城市空气污染数据的真实性判别及分析研究
成都市空气质量数据研究与分析
成都市空气质量数据研究与分析一、引言成都作为中国西部地区最大的城市之一，其空气质量一直备受关注。
近年来，随着城市化进程的加快和工业发展的不断推进，成都市的空气质量问题也越来越突出。
本文旨在通过对成都市的空气质量数据进行研究和分析，揭示成都市空气质量现状，并提出相应的改进措施，以改善城市的空气质量。
二、成都市空气质量数据概览通过收集成都市空气质量监测站的数据，可以获取到该地区的空气质量指数（AQI）和各项空气污染物的浓度。
根据最新数据显示，成都市的空气质量整体较差，经常出现严重污染的情况。
主要污染物包括细颗粒物（PM2.5）、可吸入颗粒物（PM10）、二氧化硫（SO2）、二氧化氮（NO2）等。
三、成都市空气质量问题分析1. 细颗粒物（PM2.5）污染细颗粒物是成都市空气污染的主要来源之一，其主要来源包括车辆排放、工业废气和建筑施工等。
细颗粒物对人体健康的危害极大，可导致呼吸道疾病、心血管疾病等。
成都市应加强车辆尾气排放管控和加大工业污染治理力度，以减少细颗粒物污染。
2. 交通污染作为西部重要的交通枢纽城市，成都市的交通污染问题也比较突出。
高峰时段集中的交通拥堵和车辆排放带来的尾气排放，直接影响了城市的空气质量。
应通过建设更多的公共交通，鼓励居民减少使用私家车，减缓交通压力，减少交通尾气排放对空气质量的影响。
3. 工业废气排放成都市工业发展迅速，但也伴随着大量的废气排放。
工业废气中含有大量的有害物质，对空气质量造成严重影响。
成都市应加强对工业废气排放的监管，对超标排放的企业进行处罚，并推动工业企业进行环保设施的安装和改进，减少废气排放。
四、成都市空气质量改进措施1. 加强环境监测成都市应加强对空气质量的监测和评估工作，增设更多的空气质量监测站，并提高监测数据的及时性和准确性，为科学决策提供可靠的数据支持。
2. 推动可再生能源发展成都市应增加对可再生能源的投资和利用，推动清洁能源的发展和应用。
这将有助于减少对传统能源的依赖，降低大气污染物的排放，改善空气质量。
全国空气质量分析报告
全国空气质量分析报告根据国家环境保护部门监测到的数据，我们对全国范围内的空气质量进行了分析和评估。
以下是该报告的主要内容。
一、城市空气污染情况：据监测，目前全国城市中，空气污染较为严重的有北京、上海、广州等大城市，其中以北京的PM2.5浓度最高。
这主要是由于工业排放、交通尾气、燃煤等因素导致的。
二、主要污染物分析：1. PM2.5：PM2.5是指直径小于或等于2.5微米的颗粒物，对人体健康有较大的危害。
目前全国范围内PM2.5浓度较高的地区主要是沿海和工业化地区，如上海、广州、深圳等。
各地应采取有效措施减少PM2.5的排放量。
2. 二氧化硫（SO2）：二氧化硫是燃煤和工业生产过程中产生的主要污染物之一。
目前我国东北地区及一些重工业城市的二氧化硫排放量较大，且在冬季还会因为采暖排放量增加而加剧。
各地应加强对工业企业的管理，减少二氧化硫排放。
3. 二氧化氮（NO2）：二氧化氮是交通尾气和工业排放中常见的污染物。
大城市的交通流量大，因此氮氧化物排放量较高。
应采取交通限行、推广电动车等措施减少交通尾气排放。
4. 臭氧（O3）：臭氧是一种重要的空气污染物，夏季臭氧超标的情况较为严重。
这主要是由于夏季高温下光化反应加剧，形成臭氧。
各地应采取减少挥发性有机物和氮氧化物的排放，降低夏季臭氧的产生。
三、影响空气质量的因素：1. 工业活动：工业生产是造成空气污染的主要原因之一。
大量工厂的燃煤和废气排放导致了大气中有害物质的增加。
2. 交通尾气：交通尾气也是导致城市空气污染的重要因素之一。
随着汽车数量的不断增加，交通尾气排放量也随之增加。
3. 燃煤和采暖：我国仍然有大量的居民使用燃煤进行采暖，这导致了大量的二氧化硫和PM2.5的排放。
四、改善空气质量的措施：1. 发展清洁能源：应加大对清洁能源如风能、太阳能的开发和利用，减少对化石燃料的依赖。
2. 加强环保监管：加强环保部门对企业和工厂的监管，确保其排放达到规定标准。
空气质量数据分析方法研究
空气质量数据分析方法研究随着现代城市化和工业化的加剧，空气质量问题日益受到人们的关注。
空气质量数据监测早已形成一项日常性工作，对空气污染物的监测、管理和修正措施等进行逐步改善。
因此，空气质量数据的分析也成为空气质量监测的重要环节，本文将探讨目前常见的空气质量数据分析方法。
一、空气质量数据特点在探讨具体的空气质量数据分析方法之前，我们首先需要了解空气质量数据的特点。
空气质量数据具有以下几个方面的特点：1. 数据的量大、范围广。
空气质量监测数据来自于大面积的监测站，而通常一个地区有很多个监测站，每个监测站的监测项目、监测层面、监测时长等不尽相同。
此外，监测因素也有多类，如二氧化硫(SO2)、氮氧化物（NOx）、臭氧(O3)、细微颗粒物(PM2.5和PM10)、一氧化碳(CO)等，每种监测因素都有对应的监测参数。
2. 数据源异质性高。
不同的监测站由于所处地理位置、城市化结构、气候因素、环境背景等因素的不同，导致监测站的数据分布差异很大。
3. 数据的质量存在偏差空气质量监测数据的高度敏感性和高度变异性使得在数据采集、数据处理以及统计分析等方面均会存在数据质量问题。
二、统计分析方法1. 数据分布分析正态分布是统计学中应用广泛的分布类型，但是在空气质量中，大多数监测因素不符合正态分布，因此，空气质量的数据分布需要进行特殊处理。
在进行数据分布分析时，需要使用适当的统计量或概率分布模型完成。
2. 相关性分析相关性分析是空气质量数据分析的重要组成部分，可用来分析监测数据之间的联系和变化规律。
相关系数 R 是测算监测数据之间相关强度的一种指数，它的数值大小在-1~1之间，绝对值越趋近于1，相关性越强，越趋近于0，相关性越弱。
3. 时间序列分析空气质量数据随时间的变化趋势是非常重要的数据分析内容。
时间序列分析的目的在于描述时间序列的基本特征和变化规律，发现其内在机理和预测新发现的变化。
对于空气质量数据而言，时间序列分析重点在于寻找数据有无周期性和趋势性，确定因素之间的联系，从而预测空气质量恶化趋势。
城市空气质量调研分析
城市空气质量调研分析作为一个生活在繁忙都市的人，我深刻地意识到空气质量对我们生活的重要性。
因此，我决定对我国城市的空气质量进行一次详细的调研分析。
我收集了我国不同城市的空气质量数据，包括PM2.5、PM10、SO2、NO2等指标。
通过对比分析，我发现我国东部沿海城市的空气质量普遍优于中西部城市。
这主要是因为东部沿海城市的经济发展较为成熟，环保意识较强，同时也有更多的资源和资金投入到环保事业中。
我关注了城市空气质量的变化趋势。
在过去几年中，尽管我国政府采取了一系列措施来改善空气质量，但某些城市的空气质量仍然不容乐观。
尤其是在冬季，受取暖需求的影响，空气质量指数（AQI）经常爆表。
这说明我们还需要在减少污染物排放、提高环保设施效率等方面下更大的功夫。
在调研过程中，我还发现了一些值得关注的现象。
例如，一些城市在空气质量改善方面取得了显著成效，其主要原因在于政府高度重视、企业积极履行社会责任、市民环保意识增强等多方面因素的共同作用。
而那些空气质量较差的城市，往往存在着政府监管不力、企业违法排污、市民环保意识薄弱等问题。
我还对城市空气质量与经济发展之间的关系进行了探讨。
结果显示，在一定范围内，经济发展水平与空气质量之间存在正相关关系。
但在达到一定程度后，空气质量的改善将需要更多的环保投入和科技创新。
因此，如何在保证经济发展的同时，实现空气质量的持续改善，是我们需要认真思考的问题。
我收集了我国不同城市的空气质量数据，包括PM2.5、PM10、SO2、NO2等指标。
通过对比分析，我发现我国东部沿海城市的空气质量普遍优于中西部城市。
这让我感到有些意外，因为通常我们会认为经济发展程度越高的地区，空气质量应该越差。
但事实并非如此，这主要是因为东部沿海城市的经济发展较为成熟，环保意识较强，同时也有更多的资源和资金投入到环保事业中。
我关注了城市空气质量的变化趋势。
在过去几年中，尽管我国政府采取了一系列措施来改善空气质量，但某些城市的空气质量仍然不容乐观。
空气污染的调研报告模板(3篇)
---城市空气污染情况调研报告一、引言随着我国城市化进程的加快，城市空气质量问题日益凸显。
本报告旨在了解当前城市空气污染的现状，分析其影响因素，并提出相应的对策建议，以改善城市环境质量，提高居民生活水平。
二、城市空气污染现状1. 空气质量状况：调研数据显示，当前城市空气质量普遍较差，尤其在冬季和夏季，空气质量指数（AQI）时常超标。
2. 主要污染物：PM2.5、PM10、二氧化硫、氮氧化物等是影响城市空气质量的主要污染物，其中PM2.5和PM10是首要污染物。
三、问题分析1. 能源结构不合理：城市主要依赖煤炭、石油等传统化石能源，这些能源的消耗产生大量污染物。
2. 交通污染：随着城市交通量的增加，汽车尾气排放成为空气污染的主要来源之一。
3. 工业污染：部分城市工业污染严重，重工业和化工企业排放的废气中含有大量有害物质。
4. 环保意识缺乏：部分居民环保意识不强，乱扔垃圾、乱倒废水等现象时有发生。
四、对策建议1. 优化能源结构：逐步减少对传统化石能源的依赖，积极发展清洁能源和可再生能源。
2. 加强交通管理：采取有效的交通管理措施，减少交通拥堵，降低汽车尾气排放。
3. 加强工业污染治理：对重工业和化工企业进行严格监管，确保其排放达标。
4. 提高居民环保意识：加强环保宣传教育，引导居民养成良好的环保习惯。
城市空气污染问题关系到人民群众的身体健康和生活质量。
各级政府和社会各界应共同努力，采取有效措施，改善城市空气质量，为人民群众创造一个宜居、宜业的环境。
---这份报告综合了您提供的参考信息，并在此基础上进行了拓展和整理，旨在为相关部门和公众提供一份全面的城市空气污染状况分析及对策建议。
第2篇---题目：城市空气污染现状与对策研究摘要：本文旨在通过对城市空气污染的现状进行深入调研，分析其成因、影响及危害，并提出相应的治理对策。
通过对调研数据的整理和分析，为城市空气污染防治提供科学依据。
关键词：空气污染；现状分析；成因；治理对策一、前言随着城市化进程的加快，空气污染问题日益凸显，已成为影响城市居民健康和生活质量的重要因素。
北京市空气质量数据分析及治理研究
北京市空气质量数据分析及治理研究近年来，北京市的空气质量一直备受关注。
尤其在冬季，雾霾天气频繁出现，不仅影响市民出行和生活，更对健康造成威胁。
为了改善北京市的空气质量，政府采取了一系列措施，包括限行、减排、绿化等，取得了一定效果。
本文将针对北京市的空气质量数据进行分析，并探讨一些有效的治理办法。
一、数据分析从近年来北京市的空气质量数据来看，状况有所改善，但仍存在一些问题。
以下是对2018年和2019年6月至8月的数据进行的分析。
1.1 PM2.5浓度分析首先是PM2.5的浓度。
据数据显示，2018年平均PM2.5浓度为51.4μg/m³，2019年同期为44.6μg/m³，而2013年的平均浓度则为89.5μg/m³。
可见，PM2.5的浓度在逐年下降。
然而，就2019年6月至8月的数据而言，在这三个月中，有29天的PM2.5浓度超过50μg/m³，其中15天超过了100μg/m³。
显然，雾霾天气仍是一个严重的问题。
1.2 其他污染物浓度分析除了PM2.5，北京市的空气中还存在其他污染物。
以下是对其中几种污染物的平均浓度分析。
- PM10：2018年为76.4μg/m³，2019年为60.3μg/m³；- SO2：2018年为10.4μg/m³，2019年为8.1μg/m³；- NO2：2018年为59.4μg/m³，2019年为60.7μg/m³。
从数据来看，除了NO2浓度略有上升，其他污染物的浓度都在下降。
二、治理措施2.1 减排减少污染物排放是治理空气质量的关键。
北京市政府采取了一系列措施来减少污染物排放。
首先是汽车限行。
北京市已实施了数年的机动车限行措施。
限行可以有效减少城市交通带来的尾气排放，同时给市民以更好的公共交通选择。
其次是工业减排。
北京市的工业呈现了向高精尖方向的发展趋势，通过技术升级、产业转型等方式，不断降低工业污染物排放。
城市空气质量数据分析报告
城市空气质量数据分析报告一、引言城市空气质量是城市发展和居民生活质量的重要指标之一。
本报告通过对城市空气质量数据的分析和研究，旨在探讨当前城市空气污染的状况，并提出相应的改善建议，以期改善城市居民的生活环境和健康状况。
二、数据来源本次数据分析基于我国多个城市的空气质量监测数据，包括PM2.5、PM10、O3、CO、SO2等指标的测量结果。
这些数据来自城市环境监测站和相关机构，具有一定的代表性和可信度。
三、总体情况分析根据我们收集的数据，大多数城市的空气质量普遍存在较大的问题。
PM2.5和PM10是常用的空气污染指标，它们的浓度普遍高于国家标准限值。
另外，部分城市在夏季出现了臭氧污染的情况，臭氧浓度超过了国家标准。
四、PM2.5浓度分析PM2.5是指直径为2.5微米及以下的悬浮颗粒物，对人体健康影响较大。
根据我们的数据分析，不同城市的PM2.5浓度存在明显的季节变化。
在冬季，由于采暖和工业排放等原因，PM2.5浓度普遍较高；而在夏季，可能由于气象条件和废气排放减少等原因，PM2.5浓度有所下降。
五、PM10浓度分析PM10是指直径为10微米及以下的悬浮颗粒物，主要来自于工业排放、交通尘埃、施工扬尘等。
数据显示，不同城市的PM10浓度普遍较高，与城市的工业发展和交通状况密切相关。
在工业密集型城市和交通拥堵的地区，PM10浓度往往超过国家标准限值，给人们的健康带来潜在威胁。
六、臭氧浓度分析夏季的臭氧污染是城市空气质量的另一个重要问题。
臭氧是一种有毒气体，对呼吸系统和眼睛有一定的刺激作用。
数据显示，部分城市夏季的臭氧浓度超过了国家标准限值，主要是由于工业废气和汽车尾气中的氮氧化物与挥发性有机物在阳光的照射下产生化学反应而形成的。
七、改善建议根据我们对城市空气质量数据的分析，提出以下改善建议：1.控制工业排放：加强对工业企业的排污管控，采取更加严格的环保标准，减少大气污染物的排放。
2.优化交通布局：鼓励公共交通的发展，减少私家车使用，降低交通尾气排放对空气质量的影响。
城市空气质量监测结果分析和评估
城市空气质量监测结果分析和评估随着城市化的不断推进，城市的空气质量问题也越来越受到人们的关注。
对于城市空气质量的监测和评估，可以有效帮助人们了解城市空气污染的程度，掌握生活环境的质量，提高城市居民的健康水平。
本文将从城市空气质量监测结果的分析和评估方面，对城市空气污染的情况进行深入探讨。
一、城市空气质量监测城市空气质量监测是通过收集城市大气中的关键污染物数据，以便了解空气质量的动向和污染的程度的一项常规工作。
监测空气质量的主要任务是对空气污染物进行系统、科学、严密的监控，快速有效的发现空气污染源，并采取措施进行治理。
目前，国内主要依靠城市环境监测站建设和机动车尾气测量仪来对城市空气质量进行监测。
城市环境监测站通常包括废气排放、噪音和废水监测等。
而城市空气质量的监测，则主要集中于六种污染物，分别为PM2.5、PM10、SO2、NO2、CO、O3，这些污染物的潜在危害已经被严格监管。
其中，PM2.5和PM10是代表空气中悬浮颗粒物的两个指标。
而机动车尾气测量仪则是衡量汽车尾气排放的一种仪器。
目前，大多数城市都在道路两侧安装了这种测量仪器，可以测量出公路车辆排放尾气的种类和数量，为减少交通污染提供数据支持。
二、城市空气质量的评估城市空气质量的评估通常采用的是AQI（Air Quality Index），它是一种将六种主要空气污染物浓度转换并综合计算出来的一种成分指数。
AQI值越高，说明空气污染程度越严重，对人们的健康和环境也会造成更大的影响。
国家环境保护局根据AQI值将空气质量分为六个等级：优、良、轻度污染、中度污染、重度污染和严重污染。
评估城市空气质量的目的是尽可能地控制和改善城市的空气质量，降低排放的污染物浓度，减少对健康的危害。
通过大量的数据分析和统计，可以对城市的空气质量情况进行分析，确定其中的致污因素，为治理措施的制定提供科学依据。
三、城市空气污染的成因和治理城市空气污染的成因主要来源于三个方面：工业、交通和生活。
- 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)。
一、问题重述1.1问题背景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。
2016年的两会上，全国政协常委、环境保护部副部长吴晓青表示，政府工作报告中提出的今后五年地级市及以上城市空气质量优良天数比率超过80%的目标必须完成。
此外，吴晓青表示，很高兴在今年的“十三五”规划草案里看到增加了环境质量的考核指标，并指出增加的指标有几个特点：一是对环境质量的指标考核更加全面、更加完善。
二是和老百姓息息相关，切身利益更加贴近、更加结合。
三是更加严格。
其中，优良天数比率指的是：区域内城镇空气质量优良以上的监测天数占全年监测总天数的比例。
然而，由于各种主客观原因，会使所采集到的数据序列体现出一定的异常现象。
1.2问题提出在上述问题背景的基础上，结合题目所给资料，要求建立数学模型讨论下列问题：1、搜集相关空气质量和气候数据，分析空气质量数据的真实性，建立数学模型或者相应指标来确定是否存在数据不真实的现象。
2、在此过程中，或利用污染物之间的相关性、或利用污染物变化的连续性、或自行设计指标在时间、空间等各层次上进行对比，来确定数据不真实是否存在并讨论其严重性。
3、通过模型分析数据不真实的类型、原因，最终为环境保护和政策制定提供支撑。
4、进一步的讨论可以加入社会因素，例如分析空气质量与工业生产（例如钢产量）等数据之间的相关性，分析是否可以通过空气质量数据的变化来展示工业生产（例如钢产量）等数据的实际情况。
二、问题分析本文的主要内容是完成城市空气污染数据的真实性的判别建模，然后根据模型结果，得到京津冀，长三角，珠三角空气污染数据存在的不真实性。
针对问题1，通过分析京津冀，长三角，珠三角三个地区中的空气污染数据的波动性，认定空气污染数据的城市具有代表性。
根据前面数据波动判断的真实数据，以各个时间的PM10、CO、NO2、SO2四个指标数据作为输入，输出的是PM2.5的指标数据作为输出建立BP神经网络模型。
将其他城市的PM10、CO、NO2、SO2四个指标数据代入BP神经网络，得到预测的PM2.5的指标数据。
通过比较预测值和实际值的差异性，判断城市空气污染数据的真实性。
针对问题2，本文利用相关系数分析法找出各污染物之间的相关性，而后从时间、空间角度进行分析。
对于时间角度，我们可以做出各地区污染物随时间变化的趋势；对于空间角度，我们可以对各地区的污染程度进行取平均值。
针对问题3，本文通过模型分析数据不真实的类型、原因，最终为环境保护和政策制定提供支撑。
对于数据不真实的类型，我们可以从相关性差异、是否连续来讨论；对于数据不真实原因，我们可以从技术层面、人为层面进行分析。
针对问题4，本文主要采用搜集到的各个地区的钢产量和煤炭产量数据，通过钢产量数据和空气质量数据的相关性，判断城市空气污染数据的真实性。
三、模型假设1、假设京津冀，长三角，珠三角空气污染数据没有经过二次处理；2、假设AQI指标中的PM2.5、PM10、CO、NO2、SO2具有一定的相关性，某一个指标增加，其他指标也会增加；3、假设可由钢产量和煤炭产量数据来代表社会因素。
4、钢产量和煤炭产量数据与空气质量具有很强的相关性。
5、同一个区域的城市由于空间的连续性会导致空气质量相差不大。
6、空气污染数据处于平均的城市真实性较高。
7、AQI 指数可以代表空气质量的好坏。
8、城市空气污染数据的真实性具有时间连续性，如果这个月数据真实，可以认为下个月数据也真实。
四、符号说明符号 解释说明 1mAQI 平均值2m1m 的中间值Y BP 神经网络输出 X 神经网络输入Network1根据廊坊空气建立BP 神经网络2X 北京的网络输入2y北京的网络输出五、模型的建立与求解5.1空气污染数据处理本文搜集到了京津冀，长三角，珠三角空气污染数据（部分），主要包括不同日期（从2013/11/1到2015/2/28）的AQI 指数、质量等级、当天AQI 排名、PM2.5、PM10、CO 、NO2、SO2，为了简化问题，根据AQI 指数定性分析空气质量的初步真实性。
京津冀地区北京、天津、石家庄、唐山、保定、廊坊、邢台、张家口、秦皇岛、衡水、邯郸、承德、沧州的从2013/11/1到2013/12/31的AQI 指数如表1所示。
表1 京津冀地区AQI 指数日期 北京 天津 石家庄 唐山 保定 廊坊 邢台 张家口 秦皇岛衡水 邯郸 承德 沧州2013/11/1 231 189 288 293 266 245 302 164 128 231 243 104 173 2013/11/2 294 260 263 276 328 282 228 172 230 240 188 148 223 2013/11/3 80 131 144 192 135 133 150 43 170 132 169 78 140 2013/11/4 57 82 134 81 168 78 140 68 78 137 161 63 104 2013/11/5 184 131 214 148 200 189 190 95 132 115 138 96 107 2013/11/6 189 233 138 345 224 257 161 101 231 182 168 121 163 2013/11/7 59 105 115 133 97 94 104 76 137 99 106 61 78 2013/11/8 106 90 160 104 137 63 154 90 105 112 97 72 101 2013/11/9 178 190 249 202 226 66 174 106 98 175 131 114 233 2013/11/10 53 112 133 144 129 58 148 62 63 157 130 61 177 2013/11/11 47 71 120 79 105 61 103 54 72 91 75 52 65 2013/11/12 77 85 137 102 112 82 142 64 91 112 128 65 75 2013/11/13114 111 269 128 183 111 268 77 96 151 232 74 1242013/11/14 170 166 384 177 339 206 351 93 143 152 204 110 172 2013/11/15 95 141 173 154 170 157 205 112 137 155 165 83 117 2013/11/16 109 165 194 233 179 191 200 129 204 171 169 109 129 2013/11/17 33 71 107 85 88 81 118 59 85 107 114 50 73 2013/11/18 19 47 106 55 79 53 116 50 52 86 126 34 57 2013/11/19 22 43 139 53 97 51 124 48 52 87 129 33 66 2013/11/20 74 113 167 120 169 58 151 59 89 101 131 58 109 2013/11/21 92 212 308 211 263 101 171 64 99 157 149 70 246 2013/11/22 134 268 392 293 359 288 275 73 149 236 231 80 242 2013/11/23 212 313 498 375 491 364 457 96 294 315 362 94 300 2013/11/24 169 325 420 434 491 314 407 118 395 433 343 102 315 2013/11/25 59 101 129 144 159 98 127 84 94 148 92 82 136 2013/11/26 37 68 115 76 98 80 131 60 74 84 112 54 83 2013/11/27 42 77 104 61 96 83 110 70 64 93 97 43 70 2013/11/28 31 79 91 55 67 57 113 60 62 79 83 36 73 2013/11/29 56 104 90 83 91 98 152 53 84 104 133 47 102 2013/11/30 70 127 127 146 107 108 153 63 103 110 110 72 113 2013/12/1 56 99 166 116 124 104 180 61 98 103 123 75 87 2013/12/2 109 206 273 205 257 204 297 71 135 214 227 82 196 2013/12/3 113 283 361 311 329 228 424 83 200 335 312 102 322 2013/12/4 99 207 215 182 237 180 314 83 115 306 283 97 248 2013/12/5 83 219 221 187 206 165 257 74 83 280 205 96 250 2013/12/6 93 84 169 100 181 104 215 69 92 119 177 79 84 2013/12/7 233 202 397 222 421 325 413 86 120 210 275 102 45 2013/12/8 341 309 461 330 470 421 499 91 187 294 336 130 121 2013/12/9 97 163 240 233 213 180 380 52 158 268 312 76 169 2013/12/10 36 94 111 98 153 99 159 63 81 110 188 51 88 2013/12/11 33 81 104 78 114 78 145 79 73 109 178 51 87 2013/12/12 36 95 105 95 118 80 164 53 82 136 133 51 97 2013/12/13 41 65 319 66 104 66 135 59 57 117 113 39 89 2013/12/14 64 96 345 119 225 120 270 62 67 190 247 43 152 2013/12/15 61 128 277 115 258 133 464 70 67 244 428 66 213 2013/12/16 92 201 384 222 280 240 500 77 93 245 480 78 243 2013/12/17 137 148 306 278 267 306 461 64 98 403 387 91 252 2013/12/18 32 114 197 113 195 124 238 48 57 213 176 55 146 2013/12/19 49 98 312 71 210 100 339 53 49 234 208 46 147 2013/12/20 63 108 480 109 288 93 500 53 61 385 388 52 188 2013/12/21 50 98 498 159 380 82 500 53 65 467 456 56 205 2013/12/22 132 193 440 221 359 273 433 67 80 263 306 81 237 2013/12/23 199 261 500 340 404 343 500 82 156 360 464 99 243 2013/12/24 202 292 500 226 389 326 500 86 104 500 500 97 366 2013/12/25 278 277 500 210 458 428 500 119 169 500 500 150 306 2013/12/26 91 264 342 204 250 200 430 76 175 429 387 85 223 2013/12/27 24 43 65 63 107 50 123 58 69 115 130 43 74 2013/12/28 39 61 84 69 138 58 127 54 81 151 118 50 90 2013/12/29 58 96 89 87 87 101 116 68 90 131 119 63 76 2013/12/30 74 129 87 121 112 121 153 92 118 146 119 83 892013/12/31 93 133 96 103 138 132 129 139 115 165 115 81 101在matlab 中处理后得到京津冀地区AQI 指数变化趋势如图1所示。