西安市环境空气质量问题数学建模
空气质量评价 数学建模论文
数学建模论文A题空气质量评价摘要本文主要研究空气质量评价的相关问题，为突出改进之后的模型中的实时特性而对数据做了必要的省略处理，然后在现有的国家最新空气污染物监测标准（HJ633-2012环境空气质量指数(AQI)技术规定）的基础上利用半集均方差原理对现有空气质量计算模型进行改进。
在论证修正后模型可行性的基础上再对模型加以优化，最后利用优化后的模型对附表二中的各项监测结果得出其空气质量指数。
针对问题一，由于目标模型十分强调实时性，于是把附表一中臭氧8小时平均值﹑细颗粒物24小时平均值﹑可吸入颗粒物24小时平均值做了必要的省略处理。
联系实际分析论证了现有模型的局限性，并在此基础上采用半集均方差原理对现有模型进行改进，结果顺利得到优化后的计算模型。
针对问题二，考虑到优化后的计算模型并没有对不同的污染物的危害做出差异化的评价，而是直接取表中所有污染物的AQI平均值进行分析。
所以引入层次分析法根据污染物的危害性对不同的污染物赋予相应的权重，对半集均方差公式进行合理修正，最后得到修正后的空气质量计算模型。
再代入附表二中的数据即得到各个观测点的空气质量指数。
详细的matlab实现程序见附录二。
【关键词】一维插值半集均方差层次分析加权法优化后的半集均方差1 问题重述空气质量指数（AQI ）是定量描述空气质量状况的无量纲指数。
其数值越大、级别和类别越高，说明空气污染状况越严重，对人体的健康危害也就越大。
空气质量指数实时报一般是发布每个每一整点时刻的空气质量指数。
实时报的指标包括二氧化硫(SO2)、氧化碳(CO)、二氧化氮 (NO2)、臭氧(O3)1小时平均值、臭氧(O3)8小时平均值、一颗粒物(粒径小于等于10μm)、细颗粒物(粒径小于等于2.5μm)的1小时平均值和24小时平均值共计9个指标。
福建1中列出了某地区11个城市过去7个时刻的空质量指标取值和相应的空气质量指数。
(1) 建立一种新的空气质量指数计算模型，并比较与现有计算模型的区别。
B题：西安市环境空气质量问题数模论文
装订线摘要本文对西安市的空气污染程度、影响空气质量的主要因素以及对西安市未来一周空气污染情况的预测进行了分析研究。
利用空气污染指数API对西安市大气环境进行了评测，同时也利用空气质量指数AQI对相应大气环境进行了进一步分析并将两者作比较。
利用模糊数学评价模型建立合理的综合评价，对空气污染原因进行研究。
通过平滑指数法对西安市的空气污染趋势进行分析，预测未来一周的空气污染情况。
根据研究分析结果提出较为客观的合理化建议。
问题一使用Excel对西安市大气污染物浓度监测数据、各区县规模以上工业增加值以及气象数据等多方面数据进行分类、总结。
本文结合气象数据，首先通过各区县API指数趋势、西安市API指数因素趋势、API与生产总值相关性分析对西安市空气质量从API指数角度进行评价，然后通过各区县AQI指数趋势、西安市AQI指数因素趋势对西安市空气质量从AQI指数角度进行评价，最后对API指数与AQI指数评价结果进行对比、分析。
问题二采用模糊数学综合评价模型方法分析影响西安市空气质量的因素，本文主要考虑二氧化硫、二氧化氮、可吸入颗粒物(PM10)，以及细颗粒物(PM2.5)四个主要污染因子。
将大气环境质量按照最大隶属原则，划分三个污染等级；根据污染等级利用降半阶梯型求出隶属函数；对西安市四个代表区域的大气污染物监测数据进行评价，结合隶属函数得到模糊关系矩阵R；计算这四大因素所占的权重得到权重矩阵A；在此基础上,得到模糊综合评价矩阵B,反应出主要影响因子及其对各个污染等级的隶属度。
问题三采用指数平滑法模型，结合相关数据运用Excel软件进行数据统计，考虑到污染级别不同和首要污染物的种类两个因素来对西安市未来一周（2013年4月30日至5月6日）的空气质量状况进行预测。
最后本文根据以上研究分析得出的结论，结合西安市具体情况、主要环境污染因子等，对西安市环保部门提出有关环境空气质量检测与控制方面的合理性意见。
并就当下倡导建设环境友好型和资源节约型社会出发，对如何兼顾经济发展与环境保护给出指导性建议。
空气污染数学建模
A.污染气体的传播扩散摘要钢铁生产排放的污染气体是造成雾霾的重要原因之一，研究污染气体的扩散特征，正确模拟污染气体的扩散过程，能够为钢铁生产集团提出更好的治理管理措施，具有实际意义。
针对问题一：污染气体的排放速度为300m/s,在不考虑风向风速及高度影响的情况下，此问题即为二维平面的连续点源扩散问题，由此在二维xoy 平面上建立连续点源扩散方程模型()(,,)t xx yy u u u f x y t α=++，其中α 为气体扩散系数，本文中取为常数10，f(x,y,t ) 为污染气体的排放速度，在本文中恒为300m/s ；对上述偏微分方程模型，本文采用ADI 法（Alternating direction implicit ，交替方向隐式法）求解出迭代格式，利用MATLAB 编程，求出模型一的数值解，并得到任意时刻污染气体的浓度分布情况。
通过SPSS 软件，对附件一所给的原始实际数据与模型一求解得到的模拟值进行显著性检验，检验结果显示该模型与实际情况吻合。
针对问题二：考虑风向风速对污染气体扩散过程的影响时，在基于对问题一求解的基础上，在模型一的扩散方程模型中加入风向风速的平流项，由此得到有风情况下的模型),,()(21t y x f u u u u u yy xx y x t ++=--αββ，其中12ββ， 分别为风速在x, y 方向的分量；对此模型同样采用ADI 法求出迭代格式，利用MATLAB 编程，求出模型二的数值解，并得到任意时刻污染气体的浓度分布情况。
通过SPSS 软件，对附件二所给的原始实际数据与模型二求解得到的模拟值进行显著性检验，检验结果显示该模型与实际情况吻合。
针对问题三：考虑有风时增加高度的影响，此问题即为三维空间的污染气体扩散问题，考虑到三维模型的编程复杂度，而且污染气体的扩散在xoy 平面上各向同性，可以将污染气体在y 方向的扩散等价为在x 方向上的扩散，此时便只需要建立xoz 平面上的扩散模型。
空气中PM2.5问题的研究数学建模论文
空气中PM2.5问题的研究数学建模论文2014高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛规则》（一下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛章程和竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛章程和竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛章程和竞赛规则的行为，我们将受到严肃处理。
我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）：我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：重庆师范大学参赛队员 (打印并签名) ：1. 毛申申2. 马甜甜3. 安兴雪指导教师或指导教师组负责人 (打印并签名)：张新功（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。
以上内容请仔细核对，提交后将不再允许做任何修改。
如填写错误，论文可能被取消评奖资格）。
日期： 2014年 9 月 2 日赛区评阅编号（由赛区组委会评阅前进行编号）：2014高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：空气中PM2.5问题的研究摘要 新鲜的空气是生命繁衍和人类发展的理想环境，因此，空气质量的监测对地球村民的生活与发展具有重要的意义.本文采用相关系数分析法和多元回归分析法，建立微分方程扩散模型和费用最小化模型对空气中PM2.5浓度进行了一系列的研究.对于问题（1），应用相关系数分析法和逐步回归分析法，对AQI 中6个基本监测指标的相关与独立性进行定量分析，可得出大气中的臭氧与其它检测指标之间的相关系数较低，具有较强的独立性，CO 的含量对PM2.5含量具有较大的影响，并采用逐步回归法分析与其它指标之间的相关关系.对于问题（2），利用Matlab2012a 软件，可得出该地区内PM2.5的时空分布及规律。
空气中PM2.5问题的研究讲解
参赛密码（由组委会填写）第十届华为杯全国研究生数学建模竞赛学校参赛队号队员姓名参赛密码（由组委会填写）第十届华为杯全国研究生数学建模竞赛题目空气中PM2.5问题的研究摘要：本文主要研究空气中PM2.5的相关问题。
针对问题一，本文利用MATLAB软件绘制了PM2.5（含量）与其他五项指标（含量）关系的散点图，并利用SPSS软件分析了PM2.5（含量）与其他五项指标（含量）的相关性。
根据不同依据建立了三个数学模型，然后分析了每个模型的优缺点，选择了一个最优的模型作为PM2.5（含量）与其它5项分指标（含量）之间关系数学模型。
针对问题二，本文绘制了西安市13个监测点的PM2.5含量随时间变化图，并选取两组方差最大的地区绘制了它们的PM2.5含量随时间变化图。
根据这两图分析了该地区内PM2.5的时空分布及其规律，并分区进行了污染评估。
根据问题一所建的模型，结合风力与温度的影响，建立了该地区PM2.5的发生和演变规律的数学模型，并根据所建的模型进行了分析。
并将西安市的监测值与用建立的模型计算出的模拟值进行了比较，证明了模型建立正确。
针对问题三，本文根据前面建的模型和分析结果，给出了该地区未来五年内，综合治理和专项治理相结合的逐年达到治理目标的方案。
关键词：PM2.5，相关性，演变，治理方案1．问题重述大气为地球上生命的繁衍与人类的发展提供了理想的环境。
它的状态和变化，直接影响着人类的生产、生活和生存。
空气质量问题始终是政府、环境保护部门和全国人民关注的热点问题。
2012年2月29日，环境保护部公布了新修订的《环境空气质量标准》(GB3095—2012)。
在新标准中，启用空气质量指数AQI作为空气质量监测指标，以代替原来的空气质量监测指标――空气污染指数API。
原监测指标API为无量纲指数，它的分项监测指标为3个基本指标（二氧化硫SO2、二氧化氮NO2和PM10PM10）。
AQI也是无量纲指数，它的分项监测指标为6个基本监测指标（二氧化硫SO2、二氧化氮NO2、PM10PM10、细颗粒物PM2.5、臭氧O3和一氧化碳CO等6 项）。
B题：西安市环境空气质量问题(DOC)
西安市环境空气质量问题摘要本文对西安市环境空气质量污染的程度进行分析与评价，并对影响空气质量的主要因素以及对西安市未来一周空气污染情况的预测进行了分析研究。
文章根据已有的数据，运用数学建模的方法，借助Excel数据分析、作图和统计工具，采用指数平滑法对西安市空气污染进行了预测，最后通过对前三题的总结归纳，并进行相关资料收集，对西安市环保部门提出相关的环境改善措施与方法。
针对问题一：根据《环境空气质量指数( AQI)技术规定》已经建立好的算法，用Excel将空气污染指数的旧标准( API)和新标准(AQI)西安市的空气质量数据求出，再对其进行作图对比分析，来研究分析新旧评价标准的相同点和差异。
针对问题二：通过对附件中西安的空气质量监测数据、大气污染物浓度监测数据、西安各区规模以上工业增加值以及西安气象数据分析，并对各个数据进行单独与联合对比的分析，以及空气质量指数以及分指数，日平均浓度等对西安的空气质量进行分析，得到影响西安空气质量的主要因素包括地理位置，气象条件和季节性等自然因素，以及工业发展，汽车尾气和人们生活习惯的人为因素，和一些不可预知的因素。
针对问题三：为了找到了影响质量的根本原因以及相关因素。
对西安空气质量进行评估，通过对问题的分析,考虑多种预测方法，但因为对空气质量的预测问题是一个针对环境系统的预测问题，而环境系统具有系统内部作用因素较多，又由于所给原数据具有较大的波动性，无法用一个既定的函数去描述。
在了解构建的模型结构基础上，参照相关知识，我们主要采用指数平滑法来进行处理，对问题进行预测。
得知，西安市在未来一周，空气质量有恶化的迹像。
AQI值基本平缓。
最后本文根据以上研究分析得出的各问题结论，集合西安市具体情况、主要环境污染因子等，在查阅参看相关环保类的资料书籍，对西安市环保部门提出有关环境保护环境空气质量检测与控制方面的合理性建议。
并也根据现在的环保要求，和当下的建设环境友好型社会，对政府有关部门提出一些必要的意见和建议。
西安市环境空气质量问题
西安市环境空气质量问题摘要城市环境空气质量好坏与季节、城市能源消费结构等因素具有十分密切的关系。
本文根据已有的数据，运用数学建模的方法，采用模糊综合评估模型和灰色系统理论中的 GM(1,1)模型对环境空气质量进行科学合理的评价，预测与分析是一个很具有实用价值的问题。
针对问题一：先对空气污染指数（API）和空气质量指数（AQI）是两个不同的标准进行比较分析。
又由于空气环境质量评价中存在着不确定性即模糊性,建立模糊综合评估模型得出AQI准则对于西安市空气质量的描述情况更加详细、精准、有说服性。
针对问题二：通过对附件中西安的空气质量监测数据、大气污染物浓度监测数据、西安各区规模以上工业增加值以及西安气象数据分析，采用聚类分析的方法，研究各种检测项目的浓度极限，以及空气质量指数以及分指数，日平均浓度等对西安的空气质量进行分析，得到影响西安空气质量的主要因素包括地理位置，气象条件和季节性等自然因素，以及工业发展，汽车尾气和人们生活习惯的人为因素，当然也有一些不可预知的因素。
针对问题三：通过对西安空气质量进行了评估，找到了影响质量的根本原因以及相关因素。
数据不具有很好的规律性，无法用一个确定的函数去描述。
又通过对问题的分析，我们认为对空气质量的预测问题是一个针对环境系统的预测问题，而环境系统具有系统内部作用因素较多，在了解构建的模型结构基础上，参照相关信息，主要以灰色系统理论中的 GM(1,1)模型来进行处理。
得知，西安市在未来一周，空气质量有恶化的迹像，不过现象并不明显。
AQI值基本平缓，空气质量等级为三级------轻微污染，且主要污染为 PM2.5。
针对问题四：综上所述，结合影响西安空气质量的原因，以及空气质量对人们身体健康和生活的影响等多方面因素，向西安环保部门提出关于西安空气质量检测和控制的合理化建议。
关键词：空气质量模糊综合评估模型聚类分析 GM(1,1)模型一．问题重述1.1 问题背景近年来，随着我国经济社会的快速发展，以煤炭为主的能源消耗大幅攀升，机动车保有量急剧增加，经济发达地区氮氧化物（NO x）和挥发性有机物（VOCs）排放量显著增长，臭氧（O3）和细颗粒物（PM2.5）污染加剧，在可吸入颗粒物（PM10）和总悬浮颗粒物（TSP）污染还未全面解决的情况下，京津冀、长江三角洲、珠江三角洲等区域PM2.5和O3污染加重，灰霾现象频繁发生，能见度降低，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。
数学建模在空气质量评估中的应用
数学建模在空气质量评估中的应用随着城市化进程的加速和工业化的快速发展，城市空气质量成为人们关注的焦点。
空气污染对人体健康和环境的影响不容忽视，因此精确评估空气质量显得尤为重要。
在这一过程中，数学建模发挥了重要的作用，帮助我们理解和评估空气质量。
本文将探讨数学建模在空气质量评估中的应用，并介绍其中的常见方法和技术。
一、数学建模在空气质量监测中的应用空气质量监测是评估空气质量的基础，数学建模在此过程中起到了关键的作用。
通过分析监测数据，建立数学模型可以帮助我们预测和评估空气污染的程度，以及其对人体健康和环境的影响。
1.1 时间序列模型时间序列模型是一种通过分析时间序列数据，预测空气质量的方法。
它根据过去的数据趋势和模式，推断未来的空气质量水平。
常见的时间序列模型包括ARIMA模型和GARCH模型。
ARIMA模型利用自回归、滑动平均和差分的方法，分析和预测时间序列数据的趋势和周期性。
GARCH模型则适用于分析和预测时间序列数据的方差，帮助我们了解空气质量的波动性。
1.2 空间插值模型空间插值模型是通过已知的空气质量监测点数据，预测未知地点的空气质量。
常见的空间插值模型包括克里金插值和反距离加权插值。
克里金插值利用已知数据的空间相关性，估计未知点的数值。
反距离加权插值则根据已知点与未知点之间的距离，赋予不同的权重，计算未知点的数值。
这些模型可以帮助我们绘制空气质量分布图，发现不同地区的污染状况。
1.3 空气质量预警模型空气质量预警模型是根据劣质空气质量的监测数据，预测未来一段时间内的空气质量是否会超标，并进行预警。
预警模型常用的方法有回归分析、神经网络和支持向量机等。
这些模型可以根据现有的数据和模式，预测未来的空气质量状况，帮助政府和公众采取相应的措施，防范空气污染带来的危害。
二、数学建模在空气质量改善中的应用除了评估空气质量，数学建模还可以帮助我们找到改善空气质量的方法和措施。
通过模拟和优化，可以发现降低污染物排放、改变城市规划和交通布局等方法，以改善空气质量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
.装订线“工大杯”第十四届西北工业大学数学建模竞赛暨全国大学生数学建模竞赛选拔赛题目B题剪切线学院第队装订线B题：市环境空气质量问题摘要本文是研究市的空气质量问题，评价近年来空气质量水平，依据可参考数据建立数学模型，根据影响其空气质量的可能的原因，求得各原因对空气质量的影响程度；并通过建立数学模型预测未来的空气质量。
针对问题一，通过对市13个监测点从2010年1月1日至2013年4月28日污染物浓度监测数据，计算13个区的空气污染指数API和环境空气质量指数AQI（其中因缺少2013年之前的PM2.5、O3、CO而可能造成AQI数值的大幅度改变，本文将在问题解答过程中予以说明），分别用该两种数据对市的空气质量进行评价，对比两种评价结果，分析两种方法的优劣，得出比较全面的关于市空气质量的结论。
针对问题二，由问题一所得的市13区近年来空气质量状况以及各类大气污染物的浓度的变化，结合市2010年1月至2013年2月各区县规模以上工业增加值和市对应时间段的气象资料，我们采用灰色关联分析法建立数学模型，分析气温和工业增值两种原因与空气质量之间的关联度。
针对问题三，根据上述处理过的数据，建立灰度预测模型，以上述分析结果为基础预测未来一周2013年4月30日至5月6日的空气质量状况。
针对问题四，由以上问题分析结果作为基础，我们对于市空气质量状况有了大致的了解，依据市空气质量和污染特点，我们对市环保部门就有关空气质量的监测与控制提出我们的意见。
关键词：空气质量、AQI、API、灰色关联度分析法、灰度预测法一、问题重述大气是地球自然环境的重要组成部分之一。
近年来，随着经济社会的快速发展，氮氧化物（NO x）和挥发性有机物（VOCs）排放量与日俱增，臭氧（O3）和细颗粒物（PM2.5）污染加剧，可吸入颗粒物（PM10）和总悬浮颗粒物（TSP）污染高居不下，引发大众对空气质量的关注，也使得污染治理、环境保护显得尤为重要。
然而，作为省会，西部工业、经济、文化重点区域和人口密集城市近来雾霾天气频发，因此的空气质量水平更应受到各界广泛关注。
我们依据国家环保部发布新修订的《环境空气质量标准》（GB3095-2012），对大气中二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）、可吸入颗粒物（PM10，粒子直径小于等于10μm）以及细颗粒物（PM2.5，粒子直径小于等于2.5μm）等六类基本项目的浓度，计算环境空气质量指数（AQI）和之前的旧标准GB3095-1996，计算空气污染指数（API）来判断空气质量。
且据研究表明，城市环境空气质量好坏与季节、城市能源消费结构等因素的关系十分密切。
我们利用现有的市13个监测点从2010年1月1日至2013年4月28日污染物浓度监测数据、各区县规模以上工业增加值和地区从2010年1月1日至2013年4月28日气象数据，对以下问题进行了研究探讨：(1)分别使用空气污染指数（API）（旧标准）和环境空气质量指数（AQI）对市的空气质量进行评价（新标准），并对评价结果进行对比、分析；(2)分析影响市空气质量的原因；(3)对未来一周（取2013年4月30日至5月6日）市空气质量状况进行预测；(4)就环境空气质量的监测与控制对市环保部门提出我们的见解和建议。
二、问题分析问题（1）：在对市全市2010年至2013年13个季度的API与AQI指数的分析中（如图1），我们得出市空气质量与季节有密切关系。
因此，分析13个区各季度API 和AQI的指数，即可得出市的空气质量情况。
问题（2）：在问题一，我们已得出污染程度与季节的关系，并认为由于第一、四季度，气温普遍较低，全市使用供暖设备取暖，使得能源消耗大幅上升；且是工业发达城市，工业能耗与工业产值存在正比关系，因此，2012年末至2013年污染程度的上升与之可能有密切联系。
因此，我们以气温和工业增长水平采用灰色关联度分析法建立数学模型。
问题（3）：在问题一中，我们已经求出2010年，2011年和2012的四月一日至五月六日的空气污染情况，从对以往数据的处理中，不难发现，每年的四五月的空气污染情况有一定的相似性和规律性，因此，我们可以通过对2010年至2012年空气质量情况关联度分析而对2013年四月三十日至五月六日的空气污染情况惊醒预测。
其中，我们可以采取灰色关联度预测法对2013年四月一日至五月六日的空气质量进行预测。
其中，用四月一日至四月二十六日的真实值与预测值进行比较，说明预测的准确性。
问题（4）：依据以上结果，我们可以了解市情况污染的严重性，对此，采取适当措施进行监管和控制是不可或缺的城市发展环节。
根据我们对污染的分析，获知主要污染物和污染物的来源。
并依据此对市环境监管和控制提取恰当可取的建议。
三、基本假设1.假设题目所给数据均真实可靠；2.假设所使用参考文献都具有可依据性；3.假设从2010年1月1日至2013年4月28日13区均未发生突发性空气污染事件；4.假设因缺测指标、仪器故障、项目有效数据量不足、网络传输故障等而造成遗漏的监测项目的浓度及分指数本身不具备可考价值；5.假设依据国家标准而计算的各参数具有相当的权威性和可用价值；6.假设市13区各监测点数据能够代表该区的空气质量特点7.假设市13区各监测点数据均真实、精确、可靠；8.假设在计算API和AQI时，处于区间端点上的值均归于比其小的区间。
四、变量说明五、 问题一的解答问题一依据来自网络的资料中对于API 计算方法的介绍[01]，如公式（1）；和附件3. 《环境空气质量指数（AQI ）技术规定（试行）》中对于AQI 计算方法的介绍，如公式（2），我们通过Microsft Excel 软件，利用污染物浓度的不同，分段筛选同一浓度围的数据，分别带入公式（1）（2），计算13个区每天P IAPI 和P IAQI ，LO LO P LO Hi LOHi P IAPI BP C BP BP IAPI IAQI IAPI +---=)( (1)LO LO P LOHi LOHi P IAQI BP C BP BP IAQI IAQI IAQI +---=)( （2）在用Microsft Excel 函数计算13 个区每天污染物P IAPI 和P IAQI 最大值。
()12,N LAQI MAX LAQI LAQI LAQI =L LAPI ：13个区的API 指数各季度分布如图2对各种相关污染物各自的API分值如图3：图3空气污染指数API 由图2、3得：13区的API指数随季节变化明显，尤其是临潼区、碑林区。
在2010年至2012年中，每年的第三季度是市污染指数最低的时段，该时段中，全市大致处于二级良水平，我们参考具体数据还发现13区在第三季度的某些天里可达一级优秀空气质量；2010年第一、二、四季度，污染等级均为二级良水平。
考察2010至2012年三年，API指数有明显的下降趋势，不难发现，2011年至2012年的各季度平均值均处于100以下，呈现良好水平。
由图4可知各区的首要污染物都是PM10。
但是，从2012年第四季度至今，空气中首要污染物PM10的浓度显著上升，这使得全市的API指数直线变化，基本呈现中度、重度污染，我们考察具体数据，发现某些天里甚至达到严重污染等级。
AQI：13个区的AQI指数各季度分布如图4：对各种相关污染物各自的AQI分值如图5：5图环境空气质量指数AQI 由图4、5得：由图可知，2010年，各区空气质量水平特征鲜明，主要表现为：临潼区、未央区、阎良区随季节变化十分明显，而新城区、灞桥区、雁塔区随季节变化特点不明确，全市污染程度基本处于二级良水平；但自2011年起，13区的AQI指数大致呈统一变化：污染程度从每年第四季度开始上升为三级轻度污染，第二季度开始下降为二级良，一直以来PM10都是13区的首要污染物。
表面上看，的空气质量并不十分严重。
但之前的结果是因为在2013年之前，市对于CO、O3和PM2.5的监测数据仍然是一片空白，然而2013年的数据表明，CO和PM2.5才是全市的首要污染物，在2013年之后的AQI计算数据中，我们加入了对于O3和PM2.5的监测数据，这显得的污染令人堪忧，均处于六级严重污染水平，其中高新区、碑林区、灞桥区最为严重。
必将给人们的出行带来极大不便，并对市民的身体健康产生不可估量的威胁。
两种结果的对比、分析：（1）由API和AQI对应的首要污染物来看，空气中的微小颗粒物PM10和PM2.5都是空气质量的罪魁祸首；（2）2012年第四季度之前，的空气质量一直呈现较为稳定的水平，并随着季节的变化而产生50~100个单位的变化，变化程度不大，且基本在良与轻微污染之间变动；（3）进入2012年冬季以来，市的空气质量大幅度恶化，其恶化速度惊人，且空气质量着实令人堪忧，13个区监测得出市全面进入中度、重度，甚至是严重污染水平，13 个区无一另外。
污染水平高举不下，且有继续上升的趋势；六、问题二模型的建立与求解建模：根据所给资料附件6. 《市各区县规模以上工业增加值》和附件7. 《地区气象数据(201111~2013428)》，并结合问题一求得是污染指数API的数据，得到下表（表1）：表1为了更直观地表现工业增值和气温变化与空气污染程度之间的相关性，我们由表1绘制折线图如下图6：图4可见，工业增长与污染指数成正相关，气温高低与污染指数成负相关，因此我们采用灰色关联度分析法，分析各个因素对污染指数的影响程度。
选取参考数列：},27,...2,1j {X X 1j 1==则有两个比较数列：}...,27,1,2j 2,3;i {X X ij i ===由于各数值的单位不相同，在此我们采用归一化方法对数据进行无量纲处理 得到表2数据如下：表2计算数据列中第2、3列各项参数与第一列污染指数求各项参数的关联系数，运用公式(3):ijjjiijiij jjiijjjiij RRRR RRRRK-maxmax_-maxmaxminmin1111⨯+⨯+-=ρρ(3)其中ρ取值围在[0,1]，其取值越小求得的关联系数之间的差异性越显著，在此取为0.5进行计算可得到结果如下表（表3）：表3由上表（表3）计算各项关联度，关联度公式如下公式（4）∑==271j ij K 271γ （4）对公式（4）的计算得出气温关联度10.5187ϒ= 工业增长关联度 20.6790ϒ=观察气温关联度与工业增值关联度可知，气温与工业增值都是影响空气质量变化的重要原因，两者之中工业增值的影响较为明显，与气温因素相比，关联度多19个百分百点。
解答：1)工业产量加速提升是市环境恶化的首要原因----进入2012年第四季度以来，是工业增长进一步加强，工业产值进一步加大，工业的发展，必将加大能源的使用，使得市空气中的PM10和PM2.5 显著提高；2)因气温的季节性变化，使用供暖设备消耗能源而产生的污染，是空气质量季节性变化的主要原因----空气质量的季节性变化显著，与地区的气温有着密切关系，每年冬季和初春季节，市为维持该地区的供暖设施，大量消耗能源，对市第一、四季度的带来更大的污染，这种污染随着季节转换而有所好转；3)近来，城市化建设加大，兴修地铁公路，也是影响空气质量的原因之一----兴修地铁公路必将导致市区扬尘增加，直接导致PM10和PM2.5 的增长；4)其他原因———短期降水、垃圾焚烧等非自然因素。