大气污染指数与气象参数数学模型
大气污染模型介绍
大气污染扩散模型是一种用以处理大气污染物 在大气输送、扩散问题的物理和数学模型，在理论 模型基础上结合排放参数、气象资料集地形条件等 开发出各种应用软件，用于空气污染预报、环境影 响评价、城市大气环境容量测算及城市规划和决策 等。 我国2008年12月，环境保护部颁发实施《环境 影响评价技术导则大气环境》（HJ2.2--2008）推荐 三种模型，分别是ADMS、AERMOD和CALPUFF模型。
处理污染的距离
处理的源类型
点，线，面体等类型 点，线，面等类型的 的源，主要用于恒定 源。 的工业源。不适用露 天矿类型的源
用途
各种基本气态污染物 模拟大气主要污染物 处理惰性污染物以及 （SO2，NO2,CO）， 和有毒物质的连续排 线性消除和化学转化 放 机制 可吸入悬浮颗粒物 PM10和PM2.5以及总 悬浮颗粒物TSP，研 究大气容量及大气质 量管理措施，应用于 环境评价和规划
பைடு நூலகம்
CALPUFF模型流程图
CALPUFF模型的优缺点
优点：1）CALPUFF模型适用于考虑细致的湍流扩散 模拟、区域尺度污染物长距离输送和污染物二次转化 等问题的空气质量模拟；2） CALPUFF模型不仅可以 提供用户界面直接输入污染源的各项数据所需参数， 而且还提供了外部文件形式输入污染源数据的功能。 缺点：1） CALPUFF模型中CALMEF模块所需的气象、 地理资粮的前处理工作量以及CALPUFF模式所需要的 污染源前处理工作量大，同时，CALPUFF模型中的一 些污染源参数，如太深计算有效参数，初始垂直扩散 等参数难以确定；2） CALPUFF模型所用的数值方程 较为繁琐。
AERMOD模型应用 ① 杨洪斌、张云梅、邹训东、刘玉彻等在沈阳应用 AERMOD模型系统还礼并验证了空气扩散模型。 ② 丁峰、李时蓓、蔡芳等对 AERMOD模型系统在国 内环境影响评价中实例验证的研究成果，宁波市 北仑地区SO2、NO2 预测浓度值与现状监测的比 值在0.5～2.0的频率数分别为64.3%、85.7%。 ③ 王格利用铁岭市在2004年的PM10（可吸入颗粒） 和SO2大气环境监测资料、污染排放清单资料和 气象资料，运用AERMOD模型对铁岭市大气环境 质量区域进行了评价。 ④ 刘永清对AERMOD模型种采用的大气边界层理论 和大气扩散方法进行了分析。
如何制作一个简单的空气污染模型
PART 03 收集数据
收集空气质量数据
选择合适的监测 站点，确保覆盖 目标区域
使用专业的空气 质量监测仪器， 确保数据的准确 性和可靠性
定期采集数据， 记录气象条件和 污染源排放情况
对数据进行整理、 分析和处理，以 便后续模型建立 和应用
收集气象数据
选择合适的监测站点
确定监测项目和指标
使用专业的仪器进行监测
缺点：数据来源可能存在误差，模型参数的设定和调整需要专业知识和经验，且模型建立和维护成本较高。
对模型进行优化和改进
调整模型参数： 根据评估结果， 对模型参数进 行调整，以提 高预测精度。
引入新变量： 考虑将更多影 响空气污染的 因素纳入模型， 以提高模型的
泛化能力。
模型集成：将 多个模型进行 集成，利用不 同模型的优点， 提高整体预测
测试和验证模型
收集数据：选 择合适的地点 和时间进行测 试，确保数据 的准确性和可 靠性。
设定标准：根 据模型的要求， 设定合理的标 准，以便对模 型进行评估和 比较。
运行模型：将 收集到的数据 输入到模型中 进行计算，得 到预测结果。
结果分析：对模 型的预测结果进 行分析，评估模 型的准确性和可 靠性，并根据需 要进行调整和改 进。
如何制作一个简 单的空气污染模 型
汇报人：
目 录
01 了 解 空 气 污 染 模 型 02 确 定 模 型 参 数
03 收 集 数 据
04 选 择 建 模 方 法
05 建 立 模 型
06 评 估 和 优 化 模 型
PART 01
了解空气污染模 型
空气污染模型的定义
空气污染模型是一种用来模拟和预测空气污染状况的工具 它基于各种污染物排放数据、气象条件和地形等因素进行建模 通过空气污染模型，可以了解不同地区和不同时间段的空气质量状况
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。
大气污染评价与预报模型
大气污染评价与预报模型作者：管正雄李懿来源：《科技风》2018年第30期摘要：本文对空气质量的评价及污染预报问题进行了分析，运用层次分析法依据处理后的数据对四个城市的空气质量进行了排序；对一周内各项污染物浓度、各气象参数运用回归模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了相关性分析模型和多元线性回归模型；根据建模过程和结果，提出了具体的建议。
关键词：API评价模型；层次分析；一元多項式回归模型一、问题提出近几年来，大气污染日趋严重，为加快改善环境空气质量，党的十九大作出重大决策部署要打赢蓝天保卫战。
打赢蓝天保卫战是事关满足人民日益增长的美好生活需要，事关经济高质量发展和美丽中国建设。
因此，加强大气质量的监测和预报显得非常必要。
目前对大气质量的监测主要是监测大气中SO2、NO2、悬浮颗粒物（主要为PM10）等的浓度，研究表明，城市空气质量好坏与季节及气象条件的关系十分密切。
现有城市A、B、C、D多年测量的污染物含量及气象参数的数据。
（1）找出各个城市SO2、NO2、PM10之间的特点，并将几个城市的空气质量进行排序。
（2）对未来一周各个城市的SO2、NO2、PM10以及各气象参数作出预测。
（3）分析空气质量与季节、气象参数之间的关系。
（4）就空气质量的控制对相关部门提出建议。
二、问题分析问题一寻找各城市SO2、NO2、PM10的特点，最直观的方法就是作图，把各城市的三种污染物浓度做到一张图中进行比较分析可较容易的得到其特点，而排序题目中给出的是三种污染物浓度，必须先用一个指标将它们统一起来综合的对城市的空气质量进行评价，用同一个指标进行排序。
问题二是依据所给的2017年1月1日至9月14日的数据，预测2017年9月15日至9月21日各个城市的SO2、NO2、PM10以及各气象参数，预测的时期较短，数目多，选择时间序列进行预测。
根据给定的数据，利用一元多项式回归，求得回归模型，从而预测出需要的数据，并进行预测误差估计。
大气污染监测与预测模型研究
大气污染监测与预测模型研究随着城市化进程的不断加快，空气污染问题越来越受到人们的关注。
大气污染已成为制约城市可持续发展的重要问题。
据统计，全球每年因空气污染导致的过早死亡人数多达700万人。
为了有效地治理大气污染问题，大气污染监测与预测模型的研发成为当今的热点问题。
一、大气污染监测的意义大气污染监测是指对大气环境中空气污染物的种类、浓度、分布、变化等进行定量、定性分析的过程。
监测结果是大气污染治理和预测模型研究的基础数据。
目前，各地都建立了大气污染物的监测网，包括城市大气环境自动监测网、国家环境保护部级监测站网络和省级机构监测站网络等。
这些监测数据可以用于制定大气污染治理计划、评估大气污染状况以及开展科学研究等。
二、大气污染预测模型的研究大气污染预测模型是指根据大气污染监测数据、气象数据、地理信息数据等，利用计算机技术建立的大气污染物浓度预测模型。
预测模型可以用于为政府决策部门提供决策支持、指导大气污染治理以及提高环境监管部门的执行效率等。
二、1 污染物扩散模型污染物扩散模型是目前应用最广泛的污染物预测模型之一。
它根据大气扩散规律和污染物释放源的数据，预测污染物在大气中的扩散距离和浓度。
常见的污染物扩散模型包括Gaussian模型、Lagrangian模型、Eulerian模型等。
这些模型可以针对不同的气象条件和地形环境，对污染物扩散进行精确预测。
二、2 人工神经网络模型人工神经网络是借鉴生物神经元之间相互通信的过程建立的数学模型。
人工神经网络模型是目前发展最快的大气污染预测模型之一。
它通过对监测数据的处理和分析，建立神经元间的关系模型，对污染物浓度进行预测。
相对于扩散模型，人工神经网络模型更能适用于不同的环境条件，对污染物浓度预测的准确性更高。
三、未来研究方向大气污染监测与预测模型的研究是一个长期的过程。
未来，我们需要在现有的基础上，进一步完善大气污染监测网络，提高监测数据的准确性。
同时，还需要加强对大气污染预测模型的研究，开发更加准确、可靠的预测模型，为政府制定大气污染治理计划提供更为可靠的数据支持。
数学模型在环境污染中的应用
数学模型在环境污染中的应用环境污染是当今社会面临的一个重要挑战，对人类健康和生态系统造成了极大的威胁。
为了有效解决环境污染问题，科学家们不断探索各种方法和工具，其中数学模型在环境污染研究中发挥着重要作用。
本文将探讨数学模型在环境污染中的应用，并介绍其中几个经典案例。
一、数学模型在大气污染中的应用大气污染是当前环境问题中最为突出的一部分。
数学模型可以帮助科学家们定量描述大气污染的传播和演化规律，从而为制定有效的减排措施提供依据。
例如，研究人员可以利用数学模型模拟大气中污染物的浓度分布。
通过收集实际观测数据，建立数学方程，考虑气象因素、污染源排放量以及地形等影响，科学家们可以推算出某一特定时间和地点的污染物浓度分布情况。
数学模型还可以预测不同减排措施的效果。
通过对模型参数的调整，可以模拟不同减排方案下大气污染的减少程度，进而帮助政府和相关部门选择最佳的减排方案。
这不仅可以在一定程度上缓解环境污染问题，还可以为决策者提供科学的依据和参考。
二、数学模型在水污染中的应用水污染是另一个严峻的环境问题，而数学模型同样可以在水污染研究中发挥重要作用。
在水污染研究中，科学家们可以利用数学模型对水体中污染物的扩散和蓄积过程进行模拟。
通过考虑流体动力学、水体自净能力以及污染源等因素，科学家们可以预测水体中污染物的浓度分布和变化趋势。
基于数学模型的水污染研究还可以预测水体中污染物的去除效果。
通过模拟不同的水处理方法和减排措施，科学家们可以评估这些方法对水污染的减少效果，从而为相关部门制定水污染治理方案提供科学依据。
三、数学模型在土壤污染中的应用土壤污染是另一个重要的环境问题，其对农作物生长和地下水质量产生影响。
数学模型在土壤污染研究中可以提供有效的预测和评估手段。
科学家们可以利用数学模型模拟土壤中污染物的迁移和转化过程。
通过考虑土壤物理性质、化学反应和微生物活动等因素，科学家们可以预测污染物在土壤中的扩散效应和降解过程。
大气污染论文-数学建模
大气污染评价与预报模型摘要本文对空气质量的评价及污染预报问题进行了分析，运用层次分析法依据处理后的数据对六个城市的空气质量进行了具体细致的排序；对2010年9月15日至9月21日的各项污染物浓度、各气象参数运用一元多项式回归模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了相关性分析模型和多元线性回归模型；最后，根据建模过程和结果，我们对相关部门提出了几个具体的建议。
通过将数据附件所给有效数据，即日污染物浓度，转化为对应的月污染物浓度的均值，根据各城市月均污染浓度做出其随时间的走势折线图，分析了各个城市2SO 、2NO 、PM10之间的特点。
我们拟根据API 指数值，以二级达标次数为准，对各城市之间的空气质量进行排名，但由于依据API 的区分空气质量等级时灵敏度较低，故采用了层次分析法对空气质量进行排名。
由于我们采用了全部数据进行排名，而E 、F 数据较少，故只对ABCD 进行了排名。
依据层次分析法得出的排名为：A 、B 、D 、C 。
为了精确预测各城市短期内的数据，本文选用一元多项式回归模型。
对2010年的数据进行分析整理，依据回归模型得出其与时间的关系，得出预测值，并得出其置信度为95%的置信区间，结果显示模型的预测效果尚能接受，能够对所要预测数据进行预测。
但由于F 城市数据缺失，根据假设做了合理的定性分析，并未对其进行定量预测。
分析空气质量与气象参数之间的关系时，首先根据数据完整性，气象参数应只属于其中一个城市，排除了D 、E 、F 的可能性，再根据相关性分析的方法，确定了气象参数属于A 城市。
根据污染物与气象参数之间的因果关系，建立了多元线性回归模型，由于季节对污染物的浓度存在影响，分季节得出各污染物与各气象参数之间的相关系数，定性分析该相关系数，得出污染物与气象参数之间的关系。
最后对该系数的理论与实际意义做了检验。
根据以上分析及结果，确定部分与空气质量控制相关的部门，针对其职能提出了诚恳建议。
数学建模—大气污染预报问题
. . . .学生数学建模竞赛第一次预选赛一、（必做题）（1）油罐的体积（本题10分）一平放的椭圆柱体形状的油罐，长度为L ，椭圆的长半轴为a ，短半轴为b ，油的密度为ρ，问当油罐中油的高度为h 时油量是多少？解：由题意可话画出画出几何图形如图1所示图 1.1椭圆方程为⎩⎨⎧==t b y ta x sin cos 如图2，设阴影部分面积为S/2，则油桶的底面积为S 。
图 2下面将会利用mathematics 5.0软件进行求解,求解的程序如下：b XYab-hIntegrate[2*a*b*Cos[t]^2,{t,ArcSin[1-h/b],Pi/2}] 解得结果为：))1arccos()()2((2b hb h b bh h b a S -++--= 当b h >时，由椭圆对称性，A 中的h 用h b -2代替得到：))1arccos()()2((2-+---=b hb h b bh h b a ab S π 所以油液质量M 为：⎪⎪⎩⎪⎪⎨⎧-+---=>-++--=<==))1arccos()()2(())1arccos()()2((22b h b h b b h h b aL abL M b h b hb h b b h h b aL M b h SL M ρρπρρ，则若，则若（2）光的反射定律（本题10分）费马原理：光总是沿用时最短的光程传播。
试根据这一原理利用极值的有关知识证明光的反射定律：入射角等于反射角。
解：由于光在同一介质中的速度为常数，所以在同一介质中光总是沿直线传播。
如图3，现假设有两种介质1、2相接，光线在介质1中的传播速度为v,取两介质的分界线上的一条直线为X 轴，设有一束光线从介质1中的),0(a A 点经X 轴上的)0,(x P 点反射，并沿直线方向行进到),(b d B 点。
设直线AP 与X 轴法线的夹角为1θ，PB 直线与X 轴法线的夹角为2θ，下面，根据最短时间效应来推导出光学中的反射定理。
- 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)。
4
0.9297 0.687311 1.528822 1.206963 1.23413
5
1.373017 1.920787 1.269957 2.55766 1.418137
2、 假设 A、B、C、D、E、F 六个城市的发展状况大体相同，即发展速度没有明 显差异。
3、 API 指标真实可靠，所给数据具有参考统计意义。 4、月 API 平均值能很好的代表该月空气质量，具有比较意义。 5、对 F 城市进行定性预测时，A、F 城市发展状况基本相同，有比较价值。 6、第三问中，根据数据的对应关系，假设气象参数是在 A、B、C 三城市中某一 个城市所采集。
附件给出城市 A、B、C、D、E、F 从 2003 年 3 月 1 日至 2010 年 9 月 14 日测 量的污染物含量及气象参数的数据。
请运用数学建模的方法对下列问题作出回答： 1.找出各个城市 SO2 、 NO2 、PM10 之间的特点，并将几个城市的空气质量进行 排序。 2．对未来一周即 2010 年 9 月 15 日至 9 月 21 日各个城市的 SO2 、 NO2 、PM10 以及各气象参数作出预测。 3．分析空气质量与气象参数之间的关系。 4．就空气质量的控制对相关部门提出你的建议。
3.数据处理
对附件中数据整体浏览，将不合理的数据进行删除：2005 年 11 月 7 日的 tem 为 611.5，2010 年 6 月 6 日的 mmgh 为 267.109，依据常识，该两组数据均为记 录错误，故删去不予考虑 3.1 问题 1
对各项指标的数据进行月平均处理.以便进行模型的计算。 3.2 问题 2
5.符号说明
ቤተ መጻሕፍቲ ባይዱ
API
空气污染指数
I
某污染物的污染指数
C C大C小 I大 I小 xi (i 1, 2, 3)
mj Mj ak( j ) ， bk( j) wj (x)( j 1, 2 , m) X Si Bj (Si )
Xt
P d B R
该污染物的浓度 在 API 分区表中最接近 C 值得两个值 在 API 分区表中最接近 I 值得两个值
大值，这会造成相应的误差，故在分析第一问的第二部分时，只参考 API 的划分
标准，应用综合评价模型。
6.1.2.1 数据的标准化处理
对所给的空气污染标准（API）进行标准化处理，记三项指标： SO2 、 NO2 、 PM10 的数值分别为 x1 ， x2 ， x3 。
三项指标的数据均为极小型指标（即指标值越小越好），对其指标 x j 做标准
远，故只做出定性的分析预测。 2.3 问题 3
空气污染物与气象要素关系密切，研究的方向多为相关性分析与回归分析或 从理论上描述气象要素对污染物迁移扩散的影响。但是回归分析应用于处理不相 关变量之间关系，而典型相关性分析能很好地解决由于变量之间相关而导致回归 准确性降低的问题。并且观察原始数据发现，其中只有一组气象参数，故猜测气 象参数是在其中某一个城市所采集。现应用典型相关性分析分别分析 A、B、C、
价，在此，取综合评价模型为个评价指标的动态加权和，即：
m
X wj (x j ) x j j 1
其函数值 X 为被评价对象的综合指标值。 求出权后，可将 6 个城市的三项指标求期望，定量地得出每个城市中三项指
标的权值。 利用附件中给出的 31 个月的较为完整的数据，计算可得 ABCDE 五个城市的
预测模型主要有灰色预测，时间序列等模型。由所给数据以及问题可知该预 测模型为时间序列。随机选取气象参数之一气温（tem）为例进行分析，先通过 SPSS 软件得到其时序图，观察其走势，对其做平稳化处理。然后以最小 BIC 为 标准，构造模型，进一步应用 SPSS 软件求解，得出各项参数，并预测出 2010 年 9 月 15 日至 2010 年 9 月 21 日的数据。其余各城市各污染物浓度以及气象参 数应用类似方法进行求解。最后，由于 F 城市所提供数据与需要预测日期相隔较
分析 C、D 两城市可知 SO2、NO2、PM10 浓度较平稳波动，只有 PM10 在个别 时段有较大的起伏，而在其他时间序列内均趋于平缓变化。C、D 两城市的 PM10 曲线在同一时间明显偏高，可推论在那一段时间有某些外界因素使得两个城市的 PM10 数值共同上升。
分析 E 城市空气污染物浓度可知，E 城市 SO2、NO2、PM10 浓度均在一定范 围内平稳变化 ，说明该城市在所选时间段内空气质量比较平稳。
三项污染指标标准化值 区间最小值 区间最大值 区间边界 权重
被评价指标的综合评价值 城市
每个城市的 Borda 数 时间序列 模型阶数 差分阶数 延迟算子 均方差 复相关系数
6.模型的建立与求解
6.1 问题 1 6.1.1 问题一第一部分
通过查阅资料，可以找到 API，即空气质量污染指数标准，由此计算每个 城市各项指标的月 API 平均值，对各项数值进行比较，得出各个城市三项指标特 点。 6.1.1.1 各项指标月 API 平均值求解
根据这一实际问题，通过对 SO2 、 NO2 、PM10 三项指标的变化关于空气质
量的分析，可得其变化的规律为：先是缓慢增长，中间有一个快速增长的过程， 最后平缓增加趋于最大值。此增长规律可取动态加权函数为偏大型正态分布函 数，即：
( x j )2
wj (x) 1 e
j
，当x
时
j
0,当x
时
j
其中
j
不妨取指标
x j 的第一类空气质量标准的中间值，即 j
1 2
(b1( j)
a1( j) ) ，
j
由 wj (4( j) ) 0.9(1 j m) 确定。
6.1.3 综合评价模型的构建
根据标准化后的评价值，不妨仍用 xi 表示，以及相应的动态加权函数
wj (x)( j 1, 2 , m) ，建立综合评价模型来对被评价的 6 个城市的空气质量进行评
图一：各城市各项指标月 API 平均值折线图
6.1.1.3 结果分析 整体分析图表可以看出 A、B、C、D、E 五个城市 SO2、NO2、PM10 等污染物
浓度均呈现波动性并且有缓慢下降趋势。 分析 A 城市数据，发现 A 城市 PM10 浓度与 B 城市差别并不显著，但是观察
发现 A 城市 PM10 的值在 2010 年 8 月后有所回升，这一点也可由数据得到验证。 B 城市 SO2 波动性很强，但是下降的趋势并不是非常的明显，说明 B 城市可
化处理，即令：
x'j
xj mj M j mj
(1
j
m)
其中 mj m1iinn{xij}， M j m1iaxn {xij} 。则相应的指标值变为{xi'j}[0,1] ，即为无量
纲的标准化指标，对应的分类区间[ak( j) , bk( j) ) 也随之相应的变化，在这里为了方便
仍记为[ak( j) , bk( j) ) (k 1, 2 K;1 j m) 。
三城市空气污染物 SO2 、NO2 、PM10 与气象要素这两组数据间的关系。求出不同 季节的相关系数，判定气象参数最有可能是属于哪一城市的。再对该城市进行偏 相关性分析，最终得出污染物与气象参数之间的关系。该过程由 SPSS 直接完成。 2.4 问题 4
依据第三问所求得的气象参数和与其对应城市之间的关系，分析影响各污染 物浓度的主要因素，依此对有关部门提出合理的建议，以提高该城市的空气质量。
（2） NO2 的标准化
取 m2
0 ， M2
0.94 ，
x2'
x2 0.94
，则其标准化数据为：
x(k )' i2
[0,1]
对应的分类区间为：
0, 0.0851,0.0851, 0.12766,0.12766, 0.29787,0.29787, 0.601064,
0.601064, 0.79787,0.79787,1,1,
基于数据的不完整性，只选择具有连续性的数据（2010 年 1 月 20 日至 2010 年 9 月 20 日）对问题二进行分析预测。 3.3 问题 3，4
将一年分为春季季风季（3-5 月）和冬季采暖季（11-2 月）两部分，分别进 行分析。
4.模型基本假设
1、 各组数据真实可信，且是在同一地点同一时间采集，不考虑人为因素，具有 统计、预测意义。
根据表一：
计算各项指标的 API 值：
设 I 为某污染物的污染指数， C 为该污染物的浓度。则：
I
I大 C大
I小 C小
(C
C小)
I小
式中： C大C小 ： 在 API 分区表中最接近 C 值得两个值
I大 I小 ：在 API 分区表中最接近 I 值得两个值
6.1.1.2 各城市各项指标月 API 平均值折线图
（1） SO2 的标准化
取
m1
0
，
M1
2.62
，
x1'
x1 2.62
，则其标准化数据为：
x(k )' i1
[0,1]
对应的分类区间为：
0, 0.01908,0.01908, 0.05725,0.05725, 0.30534,0.30534, 0.610687,
0.610687, 0.801527,0.801527,1,1,
2.问题分析
本题为生活中的实际问题，层层递进式提出四个问题，分别需要对空气污染 因素以及气象参数进行分析求解。第一问为评价性问题，先从城市内部个污染物 特点出发，再到城市之间空气质量进行比较。第二问是预测性问题，通过对给出 的数据进行分析，预测各项参数之后的趋势。第三问是寻找关联性问题，要求找 出空气质量与气象参数之间的关系。第四问为开放型问题，可通过之前得出的结 论或者相关文章及模型提出建议。 2.1 问题 1