2013数学建模论文(高级数值分析).docVIP

2013上 数学建模论文 题目：城市空气质量评估及预测 学院：信息学院 班级：10网络工程2 学号： 201030520118 姓名： 梁智扬 2013年 6 月 21 日 问题的提出 我国是一个人口大国，城市众多，但由于工业的发展，我们的很多城市都受到了不同程度的污染尤其是空气污染，直接对我们造成伤害。近年来，虽然我国大气污染防治工作取得了很大的成效，但由于各种原因，我国大气环境面临的形势仍然非常严峻。要实现大气环境与社会经济协调发展，开展城市环境空气质量影响因素及其影响机制的研究是十分必要的，也是改善城市环境质量迫切需要解决的实际问题。 2）建立模型对广州市11月的空气质量状况进行预测； 3) 收集必要的数据，建立模型分析影响城市空气污染程度的主要因素； 4) 评价所建立的数学模型中的优点和存在的不足。 模型的假设 1）广州周边风速适中，扩散一般，忽略周围城市污染物的扩散对广州市的影响； 2）在预测月份中，气候未出现大的异常； 3）与相似年份的数据基本吻合，未出现大规模变化，污染潜势和气象参数基本一样； 4）相似年份的数据来源可靠，具有使用价值； 5) 广州市的车辆未出现大幅增加或减少，大范围工厂兴建和拆毁； 6）空气质量的原始数据并不一定完全相同，但为了简化问题，计算所得出来的数据只要是同一级别，如35和47一样，无区别； 7）预测广州11月份的空气质量时，忽略特殊年份的特殊数据，假设其对结果无影响； 8）广州在相似年份并没有出现中度、重度污染，故忽略这两种情况，得出数据无效。 四、问题的分析与模型的建立由于空气质量的高低一般和年份、临近月份存在关系，而且会因为季节的不同而不同，比如2005、2006等年份的空气质量大体相同但也存在联系，再比如有些地区的冬季和春季的空气质量也存在差异。研究某地区未来空气质量可以借助以前已有的数据，利用最小二乘法对数据进行拟合，最后用Matlab软件求解拟合曲线方程。其次在分析数据时为了避免数据太少对预测结果造成偶然误差，在预测某一月的空气质量时可以将其相似月份一起分析。在分析往年数据时发现规律，有如下数据统计： 编号 污染指数平均数 Ⅰ Ⅱ Ⅲ1 Ⅲ2 1 78.1 10 67 13 1 2 79.0 10 69 11 1 3 79.2 12 69 10 0 4 69.1 14 72 5 0 5 81.3 15 65 9 2 其中：第一列编号1，2,3,4,5分别代表2005，2006，2007，2008，2009； 第二列数值表示九月十月十一月污染指数的平均值；第三列数值 表示空气质量优的天数；第三列数值表示空气质量良的天数；第 四列表示空气轻微污染的天数；第五列数值表示空气轻度污染的 天数。 从这些散点图可以看出除了第四个点的分布比较特殊外，其它四个点的分布还是比较有规律的，可以看出这四个点基本呈线性分布。 从一等级出现次数我们可以看出这些散点图除第一个点之外，其余四点的分布还是很有规律的，这四个点呈抛物线态分布。 从二等级出现次数的散点图来看，除了第四个点之外，其它四点的分布还是很有规律的，这四点呈开口向下的抛物线分布。 从三1等级出现次数的散点图可以看出除了第四个点外，其余四点的分布有规律，基本呈开口向上的抛物线。 再来单独考虑空气质量等级为三2的情况，由于广州以往的数据中这三个月之中出现三2等级的次数很少，所以可以先不考虑。 4.2.3.2曲线拟合的最小二乘法 方法介绍 多项式数据拟合【3】 由于预测广州十一月份的空气质量是借助于以往的数据，分析反映空气质量的各种指标的分布规律，又因为往年数据有限，所以给预测带来了困难，这不仅是发现其规律有困难，还会使预测结果产生很大的误差，一旦方法选择不好，误差就可能严重偏离实际。为此，类如插值法求解方程，待定系数法求解方程等方法就不适和本题，插值法对外插的值收敛性要求比较高，而且外插的值误差也较大；待定系数法必须先发现公式然后求解，显然不符合本模型。所以对于预测广州十一月份的空气质量还是选用最小二乘法，有两个优点，其一，最小二乘法求出的结果误差小，可以最大程度上拟合这些点，其二，最小二乘法的求解可以利用Matlab等软件求解。下面为最小二乘法的原理： 首先可以在Matlab或其它画图软件中描出散点图，观察散点图的分布特征选择合适的多项式，如设用一个m次多项式 来拟合一组数据（）（i=1,2,…，n）。 但拟合出来的直线存在一定的偏差，由散点图可以看出影响空气质量的几种参数随时间的分布并不规律，而且由于某些特殊的