数学建模论文设计-城市空气高质量评估及预测三合一文档

《数学建模论文设计-城市空气高质量评估及预测三合一文档》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文档论文题目：城市空气质量评估及预测目录一、摘要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．1二、问题的提出．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2三、问题的分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2四、模型的建立．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．

2、．．．．．．．．．．．．．．．．．．．．．．．．41）问题一．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41.模型假设．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42.定义符号说明．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53.模型建立．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54.模型求解．．．．．

3、．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．65.模型的评价与推广　．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．72）问题二．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8１．模型假设．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8２．模型建立．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．

4、．．．8３．模型求解．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12４．模型的评价与推广　．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14３）问题三　．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15１．模型假设．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15２．定义符号说明．．．．．．．．．．．．．．．．．．．．．．．．．

5、．．．．．．．．．．．．．．．．．．．15３．模型建立．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15４．模型求解与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16文案大全实用标准文档１．模型的评价与推广　．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18一、参考文献　．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20二、附录

6、　．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21城市空气质量评估及预测一、摘要本文对我国城市的空气污染程度、成都未来空气质量、城市空气污染的主要因素进行了分析研究。针对我国现行的空气质量评估标准——API分级制中的不足，在API评估基础上进行修改完善使之更加科学，并在API所提供的数据基础上对成都今年十一月份的空气质量进行预测，最后还收集了必要的数据来研究影响城市空气污染程度的主要因素。本文对三个问题的研究分别建立了相应的数学模型。城市

7、污染程度的科学评估，由于城市空气污染会对人们的健康造成重大危害，所以在评价一个城市的空气污染程度时必须重点考虑污染严重的天数，所以本文对模型采用权重系数法，以各城市每天的API指数值为基础，权重系数随污染等级的增大而加大，扩大重污染严重天数对城市污染程度的影响，这样的评估更合理更科学。另外本文考虑到空气污染程度的季节性变化，所以最后利用Excel对数据进行处理和计算，得出十个城市污染程度的季度与年度的综合排名。空气质量预测模型基于附表中近几年来成都秋季空气质量相关数据，先预测出今年秋季的综合数据，再预测出11文案大全实

8、用标准文档月份的空气质量数据。空气质量的变化与季度存在一定的关系，而相邻年度的同一季节内各个等级出现的天数差异不大，并存在一定规律，一个月份的预测则没有一个季度预测更加准确。所以我们先将每年秋季各相关数据求出，然后利用最小二乘法对数据进行拟合，略去其中偏差较远的数据，再用Matlab软件求解拟合曲线方程，根据所得的函数方程式预测2