臭氧与气象监测数据分析模型.doc

臭氧与气象监测数据分析模型 [摘要] 臭氧(O3)是大气中的微量元素是一种有微腥臭味浅蓝色的气体主要密集在离地面20-25公里的平流层内科学家称之为臭氧层臭氧层好比是地球的 保护伞阻挡了太阳99%的紫外线辐射保护地球上的生灵万物臭氧(O3)是大气中的微量元素是一种有微腥臭味浅蓝色的气体主要密集在离地面20-25公里的平流层内科学家称之为臭氧层臭氧层好比是地球的 保护伞阻挡了太阳99%的紫外线辐射保护地球上的生灵万物臭氧层浓度每减少1%太阳紫外线辐射增加2%皮肤癌就会增加7%白内障增加 0.6%现在全世界每年死于皮肤癌的有十几万人患白内障的更多紫外线辐射还能破坏植物光合作用和受风粉能力最终降低农业产量剧实验如臭氧减少 25%大豆将减产20-25%紫外线辐射还会杀死水中雨卵和单细胞藻类同时还会引起塑料制品老化发黄开裂氟利昂的排放增多导致臭氧层破坏对温室效应有重要作用的气体还有甲烷臭氧氯氟烃以及水气等还随着人口的急剧增加工业的迅速发展排入 大气的二氧化碳也相应增多又由于森林被大量砍伐大气中应被吸收的二氧化碳没有被吸收由于二氧化碳逐渐增加温室效应也不断增强据分析在过去二百年中,二氧化碳浓度增加25%地球平均气温上升0.5摄氏度估计到这个世纪中叶地球表面温度将上升1.5-4.5摄氏度而在中高纬度地区温度上升更多i,j) 臭氧浓度由Ei转移到Ej的转移概率P(ij)=P(Ei(Ej)。 P 转移概率矩阵。 k步转移概率。 问题一模型的建立与求解 1．模型1（马氏链模型）的建立与求解 我们以附件1的数据作为分析来源，对其按月求平均值。它的波动带有一定的随机性，个别点的波动比较大，大部分情况臭氧的浓度变化比较平缓，因而我们假设臭氧的浓度变化具有马尔可夫性。如图1所示为全部地区年5月～9月的臭氧浓度的分布情况。 依据附件给出的资料，进行方差计算，其数据的观察精度一般在 ＋2％～3％，因而在状态的划分上根据臭氧浓度的变化范围可分为6个状态：E1,E2,E3,E4,E5,E6,则每个状态都有6个转移方向：Ei(E1,Ei(E2,Ei(E3, Ei(E4,Ei(E5,Ei(E6(i=1,2,3,4,5,6),E1,E2,E3,E4,E5,E6的具体划分如符号声明所述。将这种转移的可能性用概率描述，就是状态转移概率。 由于当样本容量足够大时，可用样本分布近似地描述状态的理论分布，因而可以用频率近似地代替相应状态间的转移概率。 将状态的转移概率P(i,j)=P{Ei(Ej}依次排列，得到一个6*6阶的矩阵： P= 其中Pij=0,＝1，（i=1,2,3,4,5,6）,加入目前预测对象处于状态Ei，Pij(i,j=1,2,3,4,5,6)恰好描述了目前的状态向各个状态转移的可能性，可能最大者就是结果，即可预测对象进一步转移最大可能到达的状态。 设为k步转移概率矩阵， 则= 设方阵A，如存在正整数m，使得=（），使得0,且=1, 则A为标准概率矩阵.若一步转移概率矩阵为标准概率矩阵,择其必有稳定状态。 设为预测对象在t=k时刻的状态向量,则 处于稳定状态时 (1) 令=(X1,X2,……Xn)=X’ 且 由(1)式得, 得 (2) 其中,X’,P’分别为X,P的转置矩阵. 联立(1),(2)式可解出,,即为稳定状态时的概率. 现在假设状态Ei出现的次数为Mi,,由状态Ei转移到状态Ej的个数为Mij,则，进一步可以解得转移矩阵P，即可根据当前的臭氧浓度所在的状态预测它下一个时间段会出现的浓度值。 以A地区（lon=-84.721,lat=39.836）为例进行分析（其它地区分析方法类似）。 我们先以A地区（lon=-84.721,lat=39.836）1997~2003年5月～9月的臭氧月平均浓度为数据来源进行分析。其浓度分布图如图2所示，得出它的转移矩阵 P= 图2 因此，我们由现有的数据我可以预测一下2004年A地区5月份的臭氧浓度，由于2003年9月份该地区的臭氧浓度为：0.46267,在E5状态下，根据转移矩阵中，P{E5(E3}=1，我们就可以认为2004年5月份该地区的臭氧浓度为：0.055~0.060之间。通过计算K步转移矩阵概率可以计算得以后几个月的臭氧浓度状态。取k=4,P^4=, 可以看到P{E3(E3}=0.4831,即几个月