西安市环境空气质量模型doc.docx
《西安市环境空气质量模型doc.docx》由会员分享，可在线阅读，更多相关《西安市环境空气质量模型doc.docx（19页珍藏版）》请在冰豆网上搜索。
西安市环境空气质量模型doc
西安市环境空气质量模型
摘要
本模型从西安市环境空气质量的评价和其预测两方面描述西安市的空气质量。
题目给出西安市近三年各地区的空气状况，要求比较API和AQI两种标准的评价效果，为此用到模糊综合评价模型；又要求根据现有数据预测未来一星期的空气状况，为此用到ARIMA预测。
对于问题一，API的污染物分项比AQI的少了PM2.5一项，且API评判的空气污染状况只分三个等级，AQI分六个等级。
先初步比较两种评判标准的差异，且由于AQI为13年1月1日以后开始实施，因此绘制13年1月1日后的API与AQI的比较折线图，观察到API位于AQI之下，说明PM2.5是一个重要的影响因素。
再通过不同污染物对两种评判标准空气质量评级的隶属度，用模糊评价综合模型比较其准确性，得出结论：
AQI比API更准确。
而问题二只需用问题一求解中涉及到的每种污染物IAQI指数总排序便能找出对空气质量影响最大的一种或多种污染物，得到PM2.5，O3，SO2的IAQI分别排在了第1,2,3位。
结合附件4中“空气污染物及主要来源”可知工业和燃料为影响西安空气质量的主要因素。
问题三要求预测下一个星期的空气质量。
根据问题一的结论，本题使用AQI作为评判标准。
用spss自带预测模型winters加法模型对一周指数进行预测。
问题四的建议书由以上三问的结论便可写出。
关键词空气质量评价模糊综合评价模型空气质量预测ARIMA预测
1.问题重述与分析
1.1问题重述
随着我国经济快速发展，城市空气污染情况不容乐观。
由此，环境空气质量评价以及污染治理等问题再一次引起大众的关注。
2012年2012年2月29日，国家环保部发布了新修订的《环境空气质量标准》，其在旧的《环境空气质量标准》基础上（主要监测SO2、TSP、PM10、NOx、NO2、CO、O3、Pb、B[a]P、F的浓度值）增加了对PM2.5浓度的监测。
现要求运用以上标准对先的环境空气质量进行评估与预测，最后向西安市环保部门提出改善空气质量的建议。
1.2问题分析
第一问，要求用空气污染指数（API）（旧标准）和环境空气质量指数（AQI）（新标准）对西安市空气质量进行评价与比对。
而其两种指标计算公式完全相同[1]，所不同的是AQP比API多出了PM2.5这一分项。
附件5名为“西安市大气污染浓度监测数据”，而事实上是空气质量指数数据[2]。
由此仅须分别在考虑和不考虑PM2.5的影响下对每日分项全市平均指数作出取最大值计算，绘出统计图表，综合比较两种指数值的大小、图形走势等因素。
并分别对API与AQI的影响因素作出模糊综合评定，用两种标准评价同一个地区的空气质量，最后得出结论说明两种曲线的准确性。
第二问，分析影响西安市空气质量的原因。
为此应将每天每种污染物的平均空气质量分指数（IAQI）按大小方式排序，对附件5中的所有日期统计每种污染物IAQI的排序名次，然后得出总名次，以此作为影响空气质量的污染物排名。
对照附件4中“空气污染物及主要来源”可分析出影响空气质量的原因。
注：
从本问开始到模型结尾统一用环境空气质量指数（AQI）衡量空气质量。
第三问，预测未来一周西安空气质量状况。
需要对每个分项（每种污染物）的IAQI用最后一周的数据进行预测，为此用到时间序列分析中的ARIMA模型。
预测出每分项的相关数据后计算相应的AQI。
第四问，根据以上三问得出的空气质量评定和预测结论结合生活实际向西安市环保部门写一封建议书。
1.模型假设
（1）题目所给数据真实可靠；
（2）空气污染程度不会受天气影响；
（3）城市的各方面人文因素在一定时间内保持相对稳定状态，不会对空气污染程度产生太大的影响；
（4）污染物仅限于题目所给，没有其他污染物；
（5）每日的数据相互独立。
2.符号说明
注：
所有符号均沿用附录所提供的符号。
API——空气污染指数；
AQI——环境空气质量指数；
IAQI——空气质量分指数；
3.模型建立与求解
4.1环境空气质量模糊综合评价模型
4.1.1模型建立
一、初步分析
由于2013年1月1日以后才实行AQI评判标准，所以仅将此日期及以后的数据绘于一图：
图1.13年1月1日后全市平均API与AQI比较折线图
由以上折线图可看出AQI线位于API线上方。
说明PM2.5对空气质量的影响较大，是一个不可忽略的因素。
再绘制如下API折线图（最右侧日期为2010年1月2日，日期向左递增）：
图2.全市平均API折线图
上图显示2013年以前全市平均API能够保持较小，而近年却在较高水平，说明空气污染程度加大。
为比较两种评判标准的准确性，现考虑分别考虑两种标准涉及到的污染物以及评级，分别从附件一和附件三中提取每个评级对应污染物最大浓度，综合比较各污染物对空气污染的贡献程度以及对各评价级别的隶属度。
为此建立以下模型：
（二）模糊综合评价模型
由附件一和三，首先给出空气质量评价级别集合，其中API有3个级别，AQI有6个级别：
对应各级标准，考虑各污染物的浓度限值（O3为1小时平均，其他为日平均单位：
mg/m3），如下表（为形式表，在模型求解中填上具体数值）：
表1
污染物评级
一级
二级
三级
...
SO2
CO
NO2
PM10
O3
PM2.5
将上述表中数据对应写成如下模糊判断矩阵：
为了确定各污染物的权系数
，现将每日（全市平均，从2013年1月1日开始）每个分项的IAQI数值大小进行排序，得出每日排名（1为最大，5或6为最小），统计各污染物所处的最多的名次，确定总排序，以此来设立权系数。
权向量为
利用模糊矩阵乘法和加法计算综合评判向量，并将其单位化（注：
此处单位化是指向量各元素除以元素之和组成新的向量）：
以此得到的向量
即反映了各污染物处于各空气质量评级的隶属度。
4.1.2模型求解
（一）API模糊综合分析
表2
污染物评级
一级
二级
三级
SO2
0.05
0.15
0.25
CO
4.00
4.00
6.00
NO2
0.08
0.08
0.12
PM10
0.05
0.15
0.25
O3
0.12
0.16
0.20
综合上述结果得到如下模糊判断矩阵：
运用Matlab对各污染物（共116天）的排序数作出统计得：
表3
排序数
SO2出现次数
CO出现次数
NO2出现次数
PM10出现次数
O3出现次数
5
20
65
26
5
0
4
3
27
60
23
3
3
0
8
27
81
0
2
93
16
3
4
0
1
0
0
0
3
113
每种污染物出现最多的排名：
SO2：
4，CO：
1，NO2：
2，PM10：
81，O3：
5。
即总排名明为CO，NO2，PM10，SO2，O3。
以最大出现次数乘以其排序数的倒数得
单位化得
作矩阵乘法
单位化得
（二）AQI模糊综合分析模型
对附件三作相同分析，得到下表（浓度单位mg/m3）：
表4
一级
二级
三级
四级
五级
六级
SO2
0.05
0.15
0.475
0.8
1.6
2.1
CO
2
4
14
24
36
60
NO2
0.04
0.08
0.18
0.28
0.565
0.75
PM10
0.05
0.15
0.25
0.35
0.42
0.5
O3
0.16
0.2
0.3
0.4
0.8
1
PM2.5
0.035
0.075
0.115
0.15
0.25
0.35
得如下模糊判断矩阵：
运用Matlab对各污染物（共116天）的排序数作出统计得：
表5
排序数
SO2出现次数
CO出现次数
NO2出现次数
PM10出现次数
O3出现次数
PM2.5出现次数
6
20
65
26
5
0
0
5
3
27
60
23
2
1
4
0
8
27
75
6
0
3
93
16
3
3
1
0
2
0
0
0
3
73
40
1
0
0
0
7
34
75
以相同方式算出权向量
单位化得
作矩阵乘法
单位化得
以上分别给出了两种标准下各评级的综合评价向量。
向量中权重最大的评级即为统计的日期中空气质量最多的所属级别，即API评价出来的结果三级最多，AQI评价出来结果六级最多。
但AQI考虑了更加多的污染物，由表5可知PM2.5对空气质量的影响非常大，所以AQI更具有客观性。
而向量中的权数从左到右递增，说明两者的评判效果相似，所不同的是AQI更加细致。
综上所述，AQI评价标准优于API评价标准。
（三）影响西安市空气质量的原因
以AQI为标准，通过表5的数据分析可知PM2.5，O3，SO2的IAQI分别排在了第1,2,3位，说明西安市空气质量受日常发电、工业生产、汽车尾气排放等因素影响最大；而设计不当的负离子发生器和空气净化器以及复印机工作也对大气造成严重影响；再次便是燃烧燃料产生的废气。
资料显示西安是以燃烧煤炭为主的城市，且工业生产也须消耗大量煤。
所以工业类型和燃料类型为影响西安空气质量的主要因素。
4.2winters加法预测模型（老师，这部分我们做了许多尝试包括gm（1,1）,时间序列分析等，到后边大家实在是太累了，所以结果出来了，排版、说明还很粗糙）
考虑到数据的完整性，仅截取2013年后的全市平均数据作为预测的原始数据（见表6）：
表6原始代入数据
日期
so2
no2
pm10
co
o31
o38
pm2.5
2013-1-1
63
88
122
59
50
19
130
2013-1-2
60
46
87
39
41
18
79
2013-1-3
49
38
59
37
57
24
50
2013-1-4
96
67
117
61
29
12
153
2013-1-5
104
103
173
79
11
13
262
2013-1-6
81
112
283
102
9
12
359
2013-1-7
88
115
298
102
10
13
364
2013-1-8
89
108
304
101
11
15
364
2013-1-9
82
89
165
78
15
20
230
2013-1-10
101
114
275
92
10
14
329
2013-1-11
79
103
178
83
25
28
242
2013-1-12
100
106
193
90
12
16
264
2013-1-13
89
112
300
103
12
16
354
2013-1-14
101
116
420
105
18
15
426
2013-1-15
77
68
148
58
26
30
109
2013-1-16
80
94
170
89
23
23
198
2013-1-17
88
95
164
88
20
22
214
2013-1-18
104
112
248
104
13
17
308
2013-1-19
104
116
413
109
9
13
427
2013-1-20
74
100
230
103
14
18
334
2013-1-21
64
63
79
60
26
34
90
2013-1-22
71
82
119
78
24
29
178
2013-1-23
74
106
168
94
19
22
273
2013-1-24
55
59
78
57
29
39
59
2013-1-25
64
80
109
81
25
30
133
2013-1-26
82
97
124
90
21
26
168
将各列数据带入spss得：
各项数据拟合结果如下：
模型统计量
模型
预测变量数
模型拟合统计量
Ljung-BoxQ（18）
离群值数
平稳的R方
统计量
DF
Sig.
so2-模型_1
0
.615
38.376
15
.001
0
模型统计量
模型
预测变量数
模型拟合统计量
Ljung-BoxQ（18）
离群值数
平稳的R方
统计量
DF
Sig.
no2-模型_1
0
.542
23.214
15
.080
0
模型统计量
模型
预测变量数
模型拟合统计量
Ljung-BoxQ（18）
离群值数
平稳的R方
统计量
DF
Sig.
pm10-模型_1
0
.577
21.329
15
.127
0
模型统计量
模型
预测变量数
模型拟合统计量
Ljung-BoxQ（18）
离群值数
平稳的R方
统计量
DF
Sig.
co-模型_1
0
.566
17.496
15
.290
0
模型统计量
模型
预测变量数
模型拟合统计量
Ljung-BoxQ（18）
离群值数
平稳的R方
统计量
DF
Sig.
o31-模型_1
0
.631
9.925
15
.824
0
模型统计量
模型
预测变量数
模型拟合统计量
Ljung-BoxQ（18）
离群值数
平稳的R方
统计量
DF
Sig.
o38-模型_1
0
.632
14.808
15
.465
0
模型统计量
模型
预测变量数
模型拟合统计量
Ljung-BoxQ（18）
离群值数
平稳的R方
统计量
DF
Sig.
pm2.5-模型_1
0
.565
21.629
15
.118
0
预测数据如下（表7）：
表7预测数据表
日期
So2
No2
Pm10
CO
O31
O38
Pm2.5
主要污染
空气质量
4.30
28
104
159
49
77
83
157
159
中度污染
5.01
28
101
157
48
112
106
149
157
中度污染
5.02
31
110
175
48
120
114
168
175
中度污染
5.03
29
104
158
47
119
113
153
158
中度污染
5.04
27
104
151
47
122
115
150
151
中度污染
5.05
29
114
194
52
104
108
212
212
重度污染
5.06
29
110
215
53
115
118
217
217
重度污染
4.误差分析
模糊综合评价模型的误差主要来自主观的判断。
在定义各污染物的权重时，不同人有不同的定义方法，但在共识范围内这种误差是允许存在的。
其次是仅用了每日平均数据作出分析，比较API与AQI的评价效果，使得模型的说服力不强，应当再抽取其他地区作为案例作出相同的分析。
5.模型的评价与推广
在评价空气质量时，模糊综合评价法不仅可以对比不同评价标准的优劣，还能评价各种污染物对空气质量的影响大小比较。
其综合考虑了各污染物间的联系和对评级的隶属度，避免数值的简单累加或连乘。
不足之处是未考虑周全，本模型仅用了矩阵的加法与乘法而不是模糊矩阵自身定义的加法、乘计算综合评价向量（未统一模糊判断矩阵和权向量中元素的单位），导致结果不准确。
在预测空气质量时，
6.建议书
一、调整能源产业结构
虽然西安近几年大力发展天然气工程，煤炭消耗量逐年下降。
但是我国约
73％的发电量还是依靠燃煤电厂。
煤炭燃烧产生了大量的二氧化硫二氧化碳等环境空气污染物。
因此，要提升空气质量，首先要改变这种不合理的能源结构。
在以后的能源发展过程中，必须大力发展可再生资源，清洁能源，逐渐淘汰对环境产生严重污染的能源。
二、节能减排，提高柴油燃料价格，降低绿色燃料车辆限行，加快地铁建设的进度，鼓励人们绿色出行
据了解，截止目前，西安市共有各类机动车车辆175万辆，机动车每年以
25万辆呈现井喷式增长。
汽车排放尾气成为首要要解决的环境问题。
汽车排放
的尾气是PM2.5重要污染源。
据报道，西安每年要消耗146万吨的成品油，不
仅资源消耗过重，也给空气带来了严重污染。
西安有必要采取一系列措施来改善
目前状况。
为减少排放量，应实行限号出行。
呼吁人们绿色出行，尽量乘坐公交
或地铁等绿色交通工具。
3、建立生态城市，合理规划工业区域，建设城区园林，增加绿色覆盖面积
生态建设是人类文明进步的标志，是城市化发展与生态环境和谐的必然方向是建设理念的升华；是环境意识的觉醒；是发展观念的变革是城市发展的方向。
生态城市是社会和谐、经济高效、生态良性循环的人类居住形式，是自然、城市
与人融合为一个有机整体所形成的互惠共生结构，是当今世界城市发展的主要方
向。
7.参考文献
[1]唐焕文贺明峰，数学模型引论，北京：
高等教育出版社，出版年。
[]作者，资源标题，网址，访问时间（年月日）
8.附录
clc
clearall
formatshort
%%%%%%%%%%%%%%%%ÊäÈëÒªÔ¤²âµÄÊý¾Ý
x0=[27260,29547,32411,35388];%%%%%%x0¾ØÕóÖÐÊäÈëÒÑÖª¼¸ÄêµÄÊý¾Ý
%%%%%%%%%%%%%%%%Çóx1
x1=[];
fori=1:
length（x0）
forj=1:
i
x1（i）=sum（x0（1:
i））;%%%%ÀÛ¼ÓÇóºÍ
end
end
%%%%%%%%%%%%%%%%Çóz1
z1=[];
z1
（1）=x1
（1）;
fori=2:
length（x1）
z1（i）=1/2*（x1（i）+x1（i-1））;%%%%Çóƽ¾ù
end
%%%%%%%%%%%%%%%%Çóa,b
Y=[x0（2:
length（x0））]';
b1=z1（2:
length（z1））;
b2=-1*b1;
b3=b2';
b4=ones（1,（length（z1）-1））';
B=[b3,b4];
A=inv（B'*B）*B'*Y;
%%%%%%%%%%%%%%%%ʱ¼äÏìÓ¦·½³Ì
symsk
y=（x0
（1）-A
（2）/A
（1））*exp（-1*A
（1）*k）+A
（2）/A
（1）;
disp（'ÏìÓ¦·½³ÌϵÊý£º'）
xishu1=x0
（1）-A
（2）/A
（1）
xishu2=（-1*A
（1））
xishu3=A
（2）/A
（1）
%%%%%%%%%%%%%%%%ÇóÄ£ÄâÖµ
k=0:
length（x0）-1;
y1=eval（y）;
%%%%%%%%%%%%%%%%»¹Ô x0µÄÄ£ÄâÖµx01
x01=[];
x01
（1）=x0
（1）;
fori=1:
length（x0）-1
x01（i+1）=y1（i+1）-y1（i）;
end
%%%%%%%%%%%%%%%%ÒÔϽøÐввî¼ìÑé
e=[];e
（1）=0;
f=[];f
（1）=0;
fori=1:
length（x0）
e（i）=abs（x01（i）-x0（i））;
f（i）=e（i）/x0（i）;
end
g=1/（length（e）-1）*sum（f）
ifg<0.01
h=1;
disp（'ͨ¹ý¼ìÑé'）;
else
h=0;
end
%%%%%%%%%%%%%%%%ÒÔϽøÐÐÔ¤²â
ifh==1
m=input（'ÇëÊäÈëÒªÔ¤²â¼¸Ìì:
'）;%%%%%mΪÄãÒªÔ¤²âµÄÒÑÖªÊý¾Ýx0ºómÄêµÄÊý¾ÝµÄ¸öÊý
n=m+length（x0）;
k=length（x0）:
n-1;
y2=eval（y）;
yy=[y1,y2];
v=[];
v
（1）=x01
（1）;
forq=2:
n
v（q）=yy（q）-yy（q-1）;
end
disp（['ÄúÒªÔ¤²âµÄ',num2str（m）,'ÄêÊý¾ÝÈçÏ£º']）;
p=v（length（x0）+1:
n）%%%pΪÄãÒªÔ¤²âµÄÒÑÖªÊý¾Ýx0ºómÄêµÄÊý¾Ý
end
升级会员 