空气污染物相关性统计分析

————————————————————————————————作者：————————————————————————————————日期:

数理统计课程作业报告

题目：郑州市主要空气污染物相关性

分析

课程:数理统计

学院: 物流工程院

专业：物流工程专业

姓名：原上草

学号: ６66６6６6666６8

2０15年12月２0 日

４

一、研究背景?

二、污染物各月数据特征分析?4

三、郑州与杭州空气质量比较分析 (6)

四、多元线性回归模型?7

4.1PM2．5浓度相关性分析 (7)

4．２建立模型?8

4.3求解模型 (8)

4.4残差分析 (9)

4．5模型预测 (9)

五、总结?

１

参考文献?

附件程序?

?摘要

本文选取了201４年12 月至201５年11月期间郑州市主要空气污染物浓度数据,首先分析了郑州市各个月空气中ＰM2.5、PM1０、CＯ、ＳO2和NＯ２的污染物浓度数据的特征值, 探讨了空气污染物浓度的时间变规律;然后对比了郑州市和杭州市AQI指标，分析空气污染物的空间变化规律;最后采用MATLＡＢ软件分析了PM2.5与其它主要空气污染物之间的相关性得到了y x x x x

=-+++-的多元线性回归模型,用１２月份350.39*143.99*20.032*30.16*4

的数据进行预测PM2.5浓度与真实值比较，结果表明该模型能较好的拟合PM2.５与其它污染物间相关性。

关键词:多元线性回归;特征分析;空气污染物；相关性

一、研究背景

随着城市社会经济快速发展、资源能源消耗和污染物排放总量的增长，城市的空气污染问题越来越突出,长期积累的环境风险开始出现。在２0 1 2年2月,国家出台了新版《环境空气质量标准》(GB3095—2０１2)，调整了部分污染物浓度限值，并增设PM２．5和O３浓度限值，对环境监测环境管理和环境评价提出了新的要求。城市环境空气质量的好坏与气象条件密切相关,研究和解决空气质量问题，通过分析各污染物浓度之间相关性，才可能准确掌握城市大气污染规律，对改善城市空气质量、提高人民健康水平有重要意义。本文重点分析了郑州市ＰM2．5浓度与其他主要空气污染物浓度的相关性。

二、污染物数据特征分析

郑州市属北温带大陆性季风气候,冷暖适中、四季分明，春季干旱少雨，夏季炎热多雨，秋季晴朗日照长,冬季寒冷少雪。四季分明的特点在污染物的时空分布上也是表现的十分明显。本文对郑州市最近１2个月空气中PM2.５、ＰＭ10、CＯ、ＳO2和ＮO２的污染物浓度特征值进行分析，主要污染物的变化情况如下所示：

表一：PM２.5浓度特征值

PM2.5

日期均值标准差中位数众数

2014年12月92.748.495469761

2015年1月160.733370.2490514896

2015年2月13252.2869812474

2015年3月109.033342.5076311091

2015年4月85.2333329.580048237

2015年5月90.632.449559079

2015年6月75.332.809772115

2015年7月59.3666717.259756265

2015年8月58.5333323.006866072

2015年9月65.633.182936137

2015年10月68.241.313765728

2015年11月98.6333374.137038570

表二：ＰM10浓度特征值

PM10

日期均值标准差中位数众数

2014年12月193.133371.51398182145

2015年1月229.866794.9771217349

2015年2月197.928663.97596188.5275

2015年3月198.665.180********

2015年4月174.366770.32282167119

2015年5月157.833341.0398*******

2015年6月144.160.52567148208

2015年7月124.366738.23653121121

2015年8月107.333340.7163610564

2015年9月126.233356.1923412274

2015年10月138.633362.5622311780

2015年11月149.5333103.1167139139

表三：CO浓度特征值

日期均值标准差中位数众数

2014年12月 1.9213330.455681 1.85 1.38

2015年1月 2.1383330.712793 1.95 1.78

2015年2月 1.6878570.469136 1.7 1.94

2015年3月 1.5453330.360553 1.54 1.54

2015年4月 1.380.246833 1.36 1.36

2015年5月 1.5210.291289 1.43 1.37

2015年6月 1.2023330.272992 1.21 1.3

2015年7月0.9940.1584840.980.86

2015年8月 1.0956670.178712 1.13 1.17

2015年9月 1.2756670.278731 1.17 1.16

2015年10月 1.2733330.35569 1.23 1.21

2015年11月 2.1310.965741 1.91 1.33

表四:NO2浓度特征值

NO2

日期均值标准差众数众数

2014年12月61.617.385056467

2015年1月74.1666719.869717170

2015年2月51.7142917.9281451.572

2015年3月57.7666714.609785870

2015年4月50.312.941285142

2015年5月45.5666710.022254554

2015年6月43.6666712.407884246

2015年7月40.29.6726423835

2015年8月43.3666712.275954231

2015年9月53.717.05125249

2015年10月62.4333317.619476254

2015年11月61.621.982725672

表五：SO2浓度特征值

SO2

日期均值标准差众数众数

2014年12月74.9333331.659587238

2015年1月74.1666733.9382666132

2015年2月57.6428623.7700553.560

2015年3月40.418.24060

2015年4月29.711.410963017

2015年5月25.933339.172182612

2015年6月17.133339.5139661513

2015年7月7.333333 5.15320854

2015年8月7 3.28633565

2015年9月14.7 6.471218157

2015年10月33.0333314.768173116

2015年11月30.717.699622439

为了方便于直观的分析空气污染物浓度与时间之间的变化规律,将以上表格数据中主要污染浓度的月平均值作折线图如下：

图１:污染物浓度月平均值

从图1中可以看出郑州市主要空气污染物浓度在十二月至来年二月份左右达到最大,然后污染物浓度开始下降，到六月至八月份降到最低。郑州市区雾霾天气情况随季节变化比较明显,在冬季，气象条件将更加不利于污染物扩散。进一步分析PM2.5和P Ｍ１０的变化趋势可预测郑州市雾霾天气大多发生在每年的十二月份至来年的二月份，而每年六月份至八月份雾霾天气出现次数较少。

三、郑州与杭州空气质量比较分析

本文分别选取了郑州市和杭州市最近12个月的空气污染浓度数据,以AQI 为指标,将空气污染程度划分为优、良、轻度污染、中度污染、重度污染和严重污染六个等级,下图是对两城市空气质量等级的天数进行比较:

图2:郑州市与杭州市空气质量等级

由上图可以看出杭州市空气质量等级主要是优和良，占总天数77.3%，中重度污染占比3.2％,郑州市空气质量优良的比例是36．６%不及杭州市的一半,中重度以上污染占比3０.1%。杭州市空气质量等级明显优于郑州市，对于两城市空气质量的差别进行分析得出两方面的主要影响因素，一人为因素影响：郑州市能源消耗以燃煤为主，占整个能源消耗量的73%。其中,相当一部分单位的燃煤排放没有达到国家标准,然而即使排放全部达标，因燃煤基数过大，也将对大气环境造成极大危害。二气候地理因素影响:通过百度地图可以看出郑州位于秦岭

1001502002502014…

2015…

pm2.5pm10CO NO2SO2

郑州市各月空气污染物

浓月份

123

12373231580230

132

空气质量等级

郑州市杭州市

以北，属于北温带大陆性季风气候,天气干燥少雨，本地产生的污染物不易扩散,且容易受到北方气流影响，冬季冷空气带来大量污染物被阻隔在秦岭一带，污染物停滞在华北平原,造成郑州空气污染越发严重。杭州位于秦岭以南属于亚热带季风气候,降水充沛,受东南季风影响,从海上吹来的温湿气流给杭州带来了新鲜的空气的同时也使杭州本地产生的污染更容易扩散。

图3:郑州市与杭州市地理位置关系

郑州市空气污染的预防与控制也可以从两个方面讨论:一方面对于本地产生的污染问题,可以提高能源利用率、发展新型清洁能源严查排放不达标车辆、提倡步行与骑行等来减少污染物的产生。另一方面对于北方气流带来的污染物可以通过与周边省市进行联防联控,减少空气流通带来的污染。

四、空气污染物浓度相关性分析

4.1 PM２.5浓度相关性分析

PＭ２.５指环境空气中空气动力学当量直径小于等于 2.5 微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。本文对郑州市最近１２个月天气数据分析,研究空气中PＭ2.5浓度与PM10、ＣO、ＮO2、和SO２浓度是否相关。其散点图如下所示:

图4:PM2.5与PM1０相关性图5：PM2.5与ＣO相关性

图6：PM2.5与ＮＯ2相关性图7:ＰM ２.5与S Ｏ２相关性

由图4-７可知P Ｍ2.5浓度随着PM1０、CO 、ＮO2、和ＳO ２浓度增加而增加,成线性相关。

4.2建立多元线性回归模型

对ＰM2.5浓度与PM １0、C Ｏ、N Ｏ2、和SO2浓度进行多元线性回归,设PM2.5浓度为y ，则

01234*1*2*3*4+y x x x x βββββε

=++++

其中:

x １、x2、x ３、x4是回归变量代表ＰM1０、CO 、NO ２、和ＳＯ2浓度,01234,,,,βββββ是回归系数,ε是随机误差应大致服从均值为０的正态分布。 4.3求解模型

直接利用ｍa ｔlab 工具箱中的命令regr ｅss 求解，使用格式为:

[ｂ,bi ｎｔ,ｒ,rint,st ａts]=ｒe ｇres ｓ(y,x,0.05)

其中ｙ为pm2.5浓度,置信度水平设为０.05。输出b 为的估计值,ｂint 为b 的置信区间，ｓtats 为回归模型的检验统计量,有4个值，第一个是回归方程决定系数2R ,第二个是Ｆ统计量,第三个是与F 统计量对应的概率值ｐ，第四个是剩余方差2s 。

得到模型的回归系数估计值及其置信区间、检验统计量的结果如下：

表六：多元线性回归计算结果

参数

参数估计值参数置信区间 0β －３５.0０ [-43．5１，２６．49］

1β

0.3９ [0.34,0.4４] 2β

43．99 ［３7．86,50．11］ 3β

0.０3２ [－０.１7８,0,241] 4β

-0．16

[－0.28,-0.０4]

20.7968R = 356.80F = 0.0001p < 2583s =

表六显示,2

R =０.7９6８指因变量y(PM2.5浓度)的7９．68％可以由模型确定,F 检验值远超过F 检验的临界值,p 远小于置信水平０.05,拟合从整体来看是可用的。所以拟合方程为:

350.39*143.99*20.032*30.16*4y x x x x =-+++-

4．4残差分析

作出残差图，从图 1可以看出，红线为异常数据，除少数几个异常数据外,其余数据的残差离零点均较近,且残差的置信区间包含零点，这说明回归方程ｙ=-3５＋0.39*x １+4３.９9 x2-0.0３２x3+0.16x4能较好地符合原始数据。

图8:残差图分析图

根据以上公式,空气中PM2.5浓度与ｐm10、C Ｏ、NO ２、和ＳO ２浓度具有线性相关性，具有一定的现实意义，例如当某个监测站pm2．5检测仪出现故障时，可利用其它污染物浓度推出。 4.5模型预测

为检验所得多元线性回归模型的可靠度，本文利用201５年1２月份的污染物浓度数据进行预测ＰM2.5的浓度与真实P Ｍ2.5浓度进行对比，预测值与真实数据对比如图五，其中蓝色星点为PM2.5浓度真实值，红色曲线为ＰM ２.5浓度预测值，对比发现预测曲线全部在真实值附近。

图９:预测浓度与真实浓度的对比

五、总结

文中利用多元线性回归方法分析PM2．5浓度与主要污染物浓线性相关性，得到回归方程350.39*143.99*20.032*30.16*4y x x x x =-+++-,并通过检验方法证明所建立的模型有一定的理论意义和实用价值,体现了多元线性回归模型广阔的应用前景。

参考文献

[1]陈杜甫，高祎楠，张稳定，姜楠,燕启社，张瑞芹.郑州市大气PM2.5污染传输影响研究—中国环境科学学会学术年会（2０1５)光大环保优秀论文集［C].郑州:郑州大学,2０15.２34－２４4.

[２]王佳.郑州市PM2．5污染特征及其源解析研究［D].郑州：郑州大学,２015.5-10.

[3]毕丽玫，史建武，刘意,邓昊,盛涛．昆明城区ＰM2．５与常规大气污染物及气象因素的相关性分析—中国环境科学学会学术年会论文集[C]．昆明：昆明理工大学.44９９-4５05.

[4］孟小峰.重庆主城区空气质量时空分布及其影响因素研究[D].重庆：西南大学，20１1．

[5］蒋维嵋．空气污染气象学教程[M].北京中国气象出版社，2０04.

[6]丁国安.实用污染气象学[Ｍ].北京:气象出版社,1９81.

［7］气象网站天气后报:错误!未定义书签。

附件程序

%%多元线性回归程序

cｌｅaｒ

clc%清除所有数据

ｘ=xlsread(＇22２.xlｓ','shｅet12＇,'e２:ｉ370');％读取郑州市污染物浓度数据y=x(:，1）；%PM2.5浓度

x1=ｘ(：，２）;%PM１0浓度

x２=ｘ（:,3);%CO浓度

ｘ3=x（:,4)；%ＳＯ2浓度

x4=ｘ(：,5);%NＯ2浓度

x=[ｏｎｅｓ（3６９,１）ｘ１ x２ x３ｘ4];

[b，bint,r,rint,stats]=ｒegrｅss(y，x,0．05);％多元线性回归函数

%%预测程序

clｅar

clc％清除所有数据

x=[];%复制2015年１2月的天气污染数据

x1=ｘ（:，2);

x2=x(：,３)；

x3＝x(:,４);

x4＝x（:,５)；

y=x(:,1)；

Ｙ＝ -3５+0．3９＊x1+４3.9９＊x2-0．032*x３-0．16＊x4;

X=1：1７;

plot(X，Y,'r'，X,y,＇b*')