空气中PM2.5浓度的灰色预测与关联因素分析.pdf

《空气中PM2.5浓度的灰色预测与关联因素分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第35卷第3期宁夏大学学报(自然科学版)2O14年9月Vo1．35NO．3Journa1ofNingxiaUniversity(NaturalScienceEdition)Sep．2014文章编号：0253—2328(2014)03—0283—06空气中PM2．5浓度的灰色预测与关联因素分析毛毳，孙宇，冯鼓，冯双喜(1．天津城建大学土木工程学院，天津300384；2．天津城建大学经济与管理学院，天津300384)摘要：2013年1月开始，国内持续的大范围雾霾天气，将PM2．5问题推向了舆论热潮的顶峰．结合武汉市监测点的数据建立灰色预测GM(1，1)模型，并编写VB程序建立GM(1，1

2、)系统，对未来短期PM2．5浓度变化进行预测，弥补了监测过程中缺失的数据．此外，根据武汉市空气质量监测数据和京津冀、上海、广东及全国其他地区的工业废气、粉尘排放量数据进行灰色关联度分析，得出CO，O，NHs和NHN0与PM2．5浓度的相关性较强，从而为进一步研究PM2．5提供科学依据．关键词：PM2．5；灰色预测；VB程序；灰色关联度分类号：(中图)F205；N941．5文献标志码：APM2．5是影响空气质量的重要指标之一，近相关的因素的统计数据还太少，对其关联性分析也期大范围持续的雾霾天气，将PM2．5这一昔日陌了解得不够多．此外，PM2．5的成分复杂，除了包括生的专业术语，推向了

3、舆论的高峰．据统计，华北无机成分(如硫酸盐、硝酸盐、铁盐)、有机碳化合物平原、黄淮、江淮、江汉、江南、华南北部等地区都(甲烷、乙烯、乙炔)外，其成分还包括微量的金属元不同程度受到雾霾影响，其受影响人口约6亿人．素，既有钠、镁、钙、铝、锌、铁等地壳中含量丰富的元国家和地方政府制定了相应政策及管理办法用以素，也有铅、砷、镐、铜等主要源自人类污染的重金属监测、预报和控制空气质量问题．但是，现阶段对元素]．在众多成分中找到与PM2．5的关联因素是PM2．5的政策和管理办法尚不完善，因此，深入了具有十分重要意义的．本文将空气质量指数AQI解PM2．5及其相关因素，对预测PM2．5浓度变化(ai

4、rqualityindex)作为空气质量监测指标，重点研有重要指导作用．究了它的6个分项基本监测指标(SO、NO、可吸鉴于PM2．5及相关因素的统计数据还太少，加人颗粒物PM10、细颗粒物PM2．5、臭氧O。和之，可能会由于天气降雨、人为原因造成的部分监测C0)_2]．考虑了影响PM2．5浓度的其他因素，如工点破坏，以致造成监测数据的不全面甚至监测空白，业废气及粉尘中的NH。和硝酸盐Ⅲ3]，并对其进行关在这种情况下，要找到合适可行的预测方法，科学地联度分析，最终得到PM2．5浓度的最相关因素．预测出这些被破坏观测点的观测值显得尤为重要．本文对武汉市监测点的监测数据进行小波降噪处1PM

5、2．5浓度的预测研究理，并基于降噪后的数据利用灰色预测GM(1，1)模型对PM2．5浓度进行预测以验证数据的正确性，弥1．1灰色预测GM(1。1)模型简介补现实监测中数据的不足．基于此原理，编写VB程灰色系统理论是我国学者邓聚龙教授创立的，序建立了灰色预测GM(1，1)预测系统，更为直观地是近20a取得飞速发展的新兴理论，灰色系统理论预测了短期内PM2．5的浓度变化．专门针对“贫信息”、“小样本”数据进行分析，其特点细颗粒物PM2．5进入公众视线的时间还很短，是计算量小，对数据一般不需要假定服从什么分布，在学术界也是新课题，尤其是对细颗粒物PM2．5及而是直接从所面对的数据中提取信息

6、．该理论主要收稿日期：2014—04—10作者简介：毛毳(1965一)，女，教授，博士，主要从事结构力学性能分析研究．*通信联系人：孙宇(199o一)，男，硕士研究生，主要从事桥梁结构动、静态力学性能分析研究，(电子信箱)Sunder19646@163．corn．284宁夏大学学报(自然科学版)第35卷包括：以灰色朦胧集为基础的理论体系；以灰色关联X。(2)空间为依托的分析体系；以灰色序列生成为基础的X‘。(3)YN===(3)方法体系；以灰色模型GM(1，1)为核心的模型体系；以系统分析、评估、建模、预测、决策、控制和优化为主体的技术体系．其中灰色模型GM(1，1)能很3)建立预测

7、模型，求出累加序列好地应用于工程中的短期预测，尤其适用于预测x㈩(+1)一f、x‘o(1)一旦1e一+．(4)Ⅱ，aPM2．5浓度的变化．具体的原理步骤为E：4)采用残差分析法进行模型检验．1)由原始序列X∞按下式计算累加生成序列：5)根据系统未来变化，确定预测值的上下界，来x㈩()===m∑—lX㈤()．(1)确定灰平面．2)按(1)式，采用最小二乘法按下式确定模型的6)用模型进行预测．利用上述模型预测是利用参数：累加生成序列X¨的预测，利用累减生成法将