关于空气污染物浓度统计特性分析方法的研究.pdfVIP

关于空气污染物浓度统计特性分析方法的研究 袁 敏 王银平 (长安大学环境科学与工程学院 陕西 ·西安 710054) 摘 要 本文介绍分析了4种统计分布模型、拟合优度检验方法和最佳分布参数估计，对于研究空气污染物浓度的统 计特性具有一定的参考价值。 关键词 统计分布模型 拟合优度检验 参数估计 中图分类号：x511 文献标识码：A 空气污染物浓度本质上是随机变量，它们随气象条件和排 论连续累积分布函数；Dn统计量越小，分布模型对浓度数据 放源的变化而变化。对于一组给定数据，可确定其统计特性并 的拟合程度越好。 分析污染物浓度的信息。 ． 常用的参数估计方法有矩法、分位数法和最大似然法 空气质量数据可用概率密度函数描述。在确定数据的概 (MLE)，这些方法都给出了参数估计的最小偏差。矩法需要 率密度函数之前，可用图形来描述这些数据的分布。根据污 计算 “原始数据”的前几个 (与分布参数一样多)样本矩，其应 染物浓度与其出现的频率可以绘制一个直方图，当观测值数 用最为广泛。最大似然估计法在统计意义上给出了最佳估计， 量较少时，直方图通常呈现出不规则行为；样本数量无限大时， 其估计量定义为： 直方图会趋于一条平滑 曲线。非常低和非常高的浓度出现频 _l 率很小，即当c=0和c—co时，浓度发生的概率趋于零。 L(0)=¨ (I i=l 1统计分布模型 其中fx(xi)是概率分布函数，Xi，是观测值，假设它们独立； 目前，国内外用于分析城市空气污染物浓度的统计分布 L(e)是似然函数，e是一组未知参数。对于一组给定数据，最大 模型有许多种，且最适合描述空气污染物浓度分布的统计模 似然估计是通过求m(参数个数)次偏导数并使它们都等于0 型为对数正态分布。 从而使得L(e)取得最大值。因此，对于参数集0，MLE是通过 常用的统计分布模型：2参数的对数正态分布 (Lognor． 解方程得到的。当合适的概率分布己知时，MLE会给出事件 mad和韦伯分布(Weibul1)参数的对数正态分布和韦伯分布。 被观测到的最大概率。 其中两参数分布假设随机变量为非负观测值，三参数分布假 3空气污染物浓度统计特性分析过程 设随机变量被大于丫的值所限制。在统计过程中，经常用到的 根据近年来学者们对空气污染物浓度统计特征的分析， 是2参数的对数正态分布，其概率密度函数为 总结空气污染物浓度统计特性分析的过程为：首先应选择几 种可能适合拟合空气质量数据的统计分布模型，如对数正态 = exp l一 l 分布、韦伯分布等。然后根据这几种分布的拟合优度检验结 其中，x0，tr0，一eola+eo。 果选择拟合浓度数据的最佳分布。在确定最佳统计分布模型 之后，即可利用最大似然法估计最佳分布的参数值。此外，最 2拟合优度检验及最佳分布参数估计 拟合优度检验用于检验来 自总体的样本的分布是否与某 佳统计分布模型还可确定污染物主要浓度分布段及超标概率 种假定的理论分布相一致。在研究空气污染物的浓度分布时， 等统计量。 拟合优度检验通常用于确定空气污染物浓度的最佳统计分布 4结论 空气质量数据可用统计方法来描述并分析其特征，统计 模型，常用检验方法有3种。 分布模型有许多种，常用的有2参数和3参数的对数正态分 卡方检验：定义为 ．