北京空气质量政策 数模 美赛综述Word格式.docx
《北京空气质量政策 数模 美赛综述Word格式.docx》由会员分享，可在线阅读，更多相关《北京空气质量政策 数模 美赛综述Word格式.docx（17页珍藏版）》请在冰豆网上搜索。
相近的浓度限值的高位值
的空气质量分指数
环境空气质量分指数
4.模型建立问题求解
4.1.1问题分析
第一问中要求分别用空气污染指数的旧标准（API）和新标准（AQI）对北京的空气质量进行分析，并且对于结果进行对比，因此，这里需要应用控制变量的思想，即所取得样本数据必须同时对于API和AQI有效，由于2013年1月1日之前并未测量PM2.5等因素的数据，所以2013年1月1日之前的数据对于AQI而言是无效的数据。
因此，我们选取了2013年1月1日到2013年10月28日间的污染物数据作为样本数据，通过应用MATLAB程序来计算出这段时间北京市9个地区及全市平均的API和AQI值，应用MATLAB绘制同一地区的API及AQI随时间变化的折线图，通过对于计算程序模型的设计和图像的研究来分析新旧评价标准的相同点和差异。
ToanalyzeimpactofBeijing2008OlympicGamesonitsairquality;
Locallaws,administrativeregulationsandrules,andstandardsforimprovingairquality,dataoflocalinvestmentintoenvironmentalprotectionandmonitoringforairqualityduringtheperiodofapplying,preparingandholdingBeijing2008OlympicGameswerecollected,aswellasyear-books,governmentalcommuniquesandotherrelevantmaterials,toevaluateimpactofBeijing2008OlympicGamesonitsairqualitywithannualincreasingrate,chainindex,andotherindicators.
Intotal,57copiesoflocallaws,regulationsandstandardsrelevanttotoimprovementofairqualityandenvironmentprotectionhadbeenformulatedsince1999inBeijing.Governmentalinvestmentforenvironmentalprotectionincreasedto26.6billionyuanin2008from10.1billionin1999inBeijing.DayswithairqualityofclassⅡorbetterinurbanareasnumbers274in2008from177daysin2000inBeijing.Meanairconcentrationsofsulfurdioxide,carbonmonoxide,nitrogendioxideandparticulatematerialswithanaerodynamicdiametersmallerthanorequalto10micrometers（PM10）allreduced,andlevelofwastegasemissiondeclinedsignificantly;
Governmentalinvestmentforairqualityandenvironmentalprotectionincreased,enforcementoflaws,regulationsandstandardsrelevanttoenvironmentalprotectionstrengthenedandimplementationofmeasuresforenvironmentalprotectionpromotedduringtheperiodofapplying,preparingandholdingBeijing2008OlympicGames,soitsairqualityimprovedcontinuously.
4.1.2模型建立
根据《环境空气质量指数（AQI）技术规定》已经建立好的算法
以及
（公式说明：
----污染物项目P的空气污染指数；
——污染物项目P的质量浓度值；
——国家标准中与
相近的污染物浓度限值的高位值；
相近的污染物浓度限值的低位值；
对应的空气质量分指数；
API相关数据可同理推知。
）
从附件中提取所需数据，使用MATLAB程序计算出所需的API与AQI数据。
在Excel中我们将计算出来的API和AQI制成表格，用Excel统计出2012年1月1日到2012年4月26日之间的API和AQI值所对应的国家标准的分布情况，分析出相同的数据在两种不同评价标准下的差异。
同时，我们对于有效数据中各种空气污染因子在API和AQI中所占的权重进行了分析，利用权重公式计算权重，公式为：
（1）
――污染物ｉ的权重值
——第ｉ中污染物的各个级别标准的平均值
——污染物的实际浓度值）
4.1.3模型求解
根据设计出的程序，计算出2013年1月1日到2013年4月26日北京市全市平均的API和AQI值（见附录），并将其各级别出现次数做统计，如下
空气指数统计表
项目评级
一级
二级
三级
四级
五级
六级
API
56
51
5
4
AQI
9
18
31
58
分析上表，我们会发现相同的样本数据，在AQI的测算标准下其污染指数基本都分布于三级以上，而在API的测算标准下其污染指数大量分布于三级以下，因此，这说明新标准（AQI）的测算和分级方式更加严格，也说明这种新标准对空气质量污染因子有着更强的约束力。
这种情况在图像中也能够更加直观地反映出来，见下图
北京市全市平均空气质量图（API＆AQI）
如上图，黑色虚线代表AQI的数值，红色实线代表API的数值，横轴是时间轴，可以看出在同一时间上，虚线的纵轴高度明显高于实线的纵轴高度，即AQI的数值明显高与API的数值。
除了规定了更多的空气污染因子，例如PM10，从上述的分析可以看出，AQI对待单一空气污染因子的分级制度更加严格，现在我们来分析在此样本数据中，不同污染因子在API和AQI中所占的权重。
根据
（1）的公式，计算得
样本数据的污染因子在API所占权重为；
污染因子
SO2
NO2
PM10
CO
O3
权重
0.0476
0.2135
0.597
0.0009949
0.018
样本数据的污染因子在AQI中所占权重为：
PM2.5
0.0596
0.2354
0.608
2.0848
0.00307
0.2608
根据上述两个表格显示的结果，AQI与API中最大的区别就是新增的污染因素PM2.5在整个空气质量评价的过程中占据了很大的权重，作图如下。
而由资料显示，PM2.5对人体的呼吸系统有着极大的损害，AQI评价法的这种改进，是空气质量评价标准很大的提升，只有监控和减少各种污染因子，才能真正提升我们的空气质量。
结论概括：
通过数据统计分析，图像分析和对各污染物在数据样本中所占的比重分析，我们可以得出以下结论：
最简单得分析，AQI这种测算方法比API增加了PM2.5等污染因子，并且将分级时的标准值划分得更加详细。
继续分析我们可以发现，AQI的数值标准更加科学，尤其是更加严格，对污染物的允许范围更低，同时，通过权重分析，对于工业重要污染物SO2，NO2权重基本不变的前提下，大大增加了PM2.5等的权重，这对于未来控制这些污染物起到了至关重要的作用。
4.2.1问题分析
第二问中要求对于北京市空气质量的影响因素进行分析。
首先，我们根据所提供的数据用MATLAB绘制出了：
一．为了分析近四年（2010,2011,2012,2013）的整体空气变化趋势，我们采用了灰色聚类评价法，通过对这四年中每年的1月1日到4月26日的API主要污染因素——
,全市的平均值进行分析，得到了这四年污染严重程度的排序，并且对其变化趋势进行合理的原因分析。
二．（１）深入分析单一图像横纵坐标之间的关系，即每个地区空气污染指数与时间发展的关系，分析季节，天气对于空气质量的影响。
（２）同时分析地理差异对于空气质量的影响，即相同时间段内不同地区的空气污染指数，以研究工业分布，交通.人口密集度对于空气质量的影响。
（３）分析新标准下空气质量主要影响因素之间的关系
研究在整个过程中各影响因素对于天气质量的影响。
4.2.2模型建立
采用灰色聚类评价法：
灰色聚类是将聚类对象对不同聚类指标所拥有的白化数，按n个灰类进行归纳整理，从而决定或判断聚类对象属于哪一类灰色统计方法。
灰色聚类是普遍聚类方法的一种拓广及处理问题技巧的创新，它是将聚类对象对不同聚类指标所拥有的白化值，按照几个灰类进行归纳。
目前灰色类聚法比较广泛的应用于水质分析、大气污染评价，尤其在地质灾害评价领域广泛发展。
已经成为了一种非常普遍和有效的综合分析评价方法。
分析过程：
（1）定义聚类对象，聚类指标和聚类白化函数。
（2）进行灰类的划分和灰数的定义。
（3）将定义好的数据按式进行均值化无量纲处理，得到聚类白化数矩阵
其中n为聚类对象数，m为聚类指标数；
（4）将n个对象关于聚类指标j（j=1，2，……，m）的取值相应地分为s个灰类（s=k1、k2、k3），称为j指标子类；
（5）根据灰类的定义规定j指标k子类的白化权函数，根据白化权函数，定义λjk为j指标k子类临界值，并按式（2-2）计算j指标k子类的权
；
=
（4.2.2.1）
（6）对于白化权函数矩阵，根据白化权函数和权值，按式（2-3）i对象属于k灰类的灰色聚类函数
（4.2.2.2）
（7）对于得到的结果进行优化分析，得出结论。
4.2.3模型求解
用灰色聚类法对于北京近几年的综合空气质量（API）进行评价
一：
定义聚类对象，聚类指标和聚类白化函数。
将2010年至2013年作为聚类对象，将SO2，NO2，PM2.5这三个污染物作为聚类指标，将三项污染因子的实测值作为聚类白化函数（见下表）
污染物年份
2010
2011
2012
2013
0.048
0.058
0.051
0.057
0.030
0.037
0.039
0.083
0.092
0.104
0.086
0.177
表一
二：
灰类的划分：
根据国家规定的空气质量评价标准（API），见表二。
表中规定的五个级别即为灰类，各级浓度标准值即为灰数。
对象灰类
0.05
0.15
0.80
1.60
2.10
2.62
0.08
0.12
0.28
0.565
0.750
0.940
0.35
0.42
0.50
0.60
表二
三．对数据进行无量纲化处理。
处理过程：
对于各污染因素的检测结果和国家规定标准值分别除以各对应项目的平均标准值，将表一和表二无量纲为表三和表四。
如下所示：
0.042
0.011
0.014
0.015
0.267
0.301
0.249
0.513
表三
对象灰类
0.041
0.123
0.656
1.311
1.721
2.418
0.029
0.044
0.102
0.207
0.274
0.344
0.145
0.435
1.014
1.217
1.449
1.739
表四
四．根据表四绘制出白化函数图像。
以NO2为例，其他的污染因子同理可以求得。
五．求聚类权。
根据公式
其中i表示第i种聚类指标，j表示第j各灰类的权。
可以计算出各污染指标不同灰类的权值，得到结论如下：
项目
0.371
0.245
0.124
0.119
0.118
0.106
0.524
0.685
0.796
0.753
0.742
0.746
PM2
0.105
0.069
0.080
0.128
0.140
0.148
表五
由不同的权值将其绘制成对应的图标，更形象的进行对比，从图中我们可以清楚的看出，PM2.5的值整体是成上升趋势。
六．求各聚类对象的聚类系数。
根据公式：
计算结果如下表所示：
对象灰度
0.632
0.021
0.542
0.325
0.587
0.313
0.085
0.359
0.259
0.078
表六
七．结果分析：
从表六可以看出，2010,2011,2012年三年对应的最大灰类为三级，而2013年的最大灰类已经达到了四级。
同时，这四年2013年的灰类最偏向三级，这四年灰类对三级的偏向度为2013
2010，由于所取样本数据均为这四年中的SO2，NO2，PM10的平均值，所以数据本身有效可靠。
从这一排序可以看出，近年来空气质量整体呈下降趋势。
（2014112新增部分）
那么，这种空气质量的下滑究竟是由什么因素影响的呢？
我们采用MATLAB绘制散点图的方法来分析季节（时间）对于API的影响。
如下图：
图N季节对API影响散点图
对于空气与污染指数与时间的关系，我们选择用散点图来进行分析。
因为散点图中的1215个点可以是一种非常科学的统计方式，帮助我们反应出空气污染指数的分布概率。
从散点图中，我们可以看出自2010年1月起，在第200天，第550天，第900天等大致位置空气污染指数（API）均出现了下降趋势,由于这种下滑趋势出现的时间间隔均大致为一年时间，所以可以得出结论，空气污染指数（API）与季节是有关系的。
那么，季节的变化为什么会对空气质量产生变化呢？
根据附件7，我们可以得到不同季节关于关于温度，天气状况（是否有雨雪）以及风力大小的变化规律。
如下图所示：
图N天气对北京市空气质量的影响。
将图中的结论与在API散点图中得到的结论作对比，可以发现：
在雨水比较充沛的季节，如秋季和冬季，API的数值出现下滑趋势，也就是说，雨雪是天气对于空气质量的重要影响因素，且雨水与空气质量成正相关关系，因为自然降雨对于空气污染物能够起到清除和冲刷作用。
二：
在风力比较大的季节，如秋季，API的数值呈上升趋势，且风力的大小与空气质量成负相关的关系，究其原因，我们认为是由于北京的地理环境所决定的，北京空气比较干燥且潜在的沙尘较多，因此，风速越大会导致空气中浮沉扬沙增多，空气质量下降。
分析温度与空气质量的关系，我们发现之间并没有明显的联系。
综上所述，季节和天气对于空气质量有一定的影响，其中风速和降雨量是重要的影响因素。
对于西安而言，风速与空气质量成负相关关系，降雨量与空气质量成正相关关系。
第2问的整体（结论）
综上所述，由图像和灰色聚类法可以看出北京市整体空气质量从2010年至今呈下降趋势，因此对于空气的治理迫在眉睫。
对于其影响因素，PM2.5是影响因子中最重要的影响因素。
同时天气因素，区位因素也对天气情况有着极其重要的影响。
4.4给出的建议（用官方话语，这个太土了）
之前三个问题的研究结果为基础，我们会从以下几个角度向北京市环保部门提出建议。
第一点，我们需要再次描述北京地区最近几年的空气质量北京的空气质量随着时间的变化具有一定的波动性，而且由灰色聚类法可以看出，从2010年至今北京的空气质量总体趋势是逐渐下降的，所以我们呼吁环保部门应当对空气质量的问题引发足够的重视并出台相应的控制措施。
第二点，根据ＡＰＩ和ＡＱＩ图像，我们发现多组数据的ＡＱＩ值已经达到５００的限值，这说明了工业区的空气质量亟待治理，资料显示，工业污染主要是由ＳＯ２，ＰＭ１０等污染物组成，所以建议环保部门能够出台鼓励使用清洁能源的措施，并且调整工业企业的合理空间布局。
第三点，由NO2的IAQI变化曲线（见附录），可以看出NO2的污染情况在最近已经得到了一定的控制，这说明近些年所采取的垃圾填埋等措施还是收到了一定的效果，应当继续坚持诚实垃圾的“无害化，减量化”。
第四点，草滩等植被覆盖率较高的地区明显API&
AQI值相对较低，这说明了植树造林及提高城市绿化率对于空气质量的重要意义。
环保部门应当加强对于植树造林等活动的宣传，提高森林绿化率。
第五点，人口密集区AQI偏高的原因可能也和繁华的交通有关，环保部门应当倡导全民“绿色出行”。
并且与交通部门合作，优化交通路线的合理安排。
（这个很重要，是亮点。
找位置放）
公路项目施工对空气的污染主要是施工扬尘，其来源主要是以下几个方面：
1.路基开挖，土地平整和路基填筑等施工过程。
如果遇到大风天气，会造成扬尘，粉尘等大气污染
2.水泥，白灰，粉煤灰等建筑材料。
如运输、卸载、仓库储存方式不当，可能会造成泄漏，产生扬尘和大气污染。
3.灰土拌合、混凝土拌合加工会产生扬尘和粉尘。
而目前我国正处于发展中状态，道路建设和设施建设随处可见，这也是导致产生空气污染的一部分。
5.模型的优缺点和推广
优点：
（1）在模型中灵活使用了多种程序，C语言，Matlab，SPSS统计软件，这些软件的使用使得模型能够合理顺利地运行，也为我们我们分析数据提供了有利的基础。
（2）在分析问题一时运用了表格内部和表格之间，横向和纵向共同比较的方法；
在分析时利用程序批量计算出了API和AQI的值，
（3）有效运用了灰度聚类法来计算出了近四年间的空气污染指数与评价级别之间的关系，比较出了这四年的空气质量优劣程度。
（4）运用了权重和ＳＰＳＳ线性相关两种方式API＆AQI中各污染因子与评价标准之间的关联度，更加具有说服力。
缺点：
（1）对于某些特殊数据处理不够严谨．
（2）对于赋权时，应当使用加法集成赋权法，即将主观赋权和客观赋权相结合，而我们只使用了主观赋权，过于单一。
模型的推广：
灰度预测模型是一个非常有效的综合分析
升级会员 