三大城市pm2.5波动及影响因素的统计研究-statistical research on pm 2.5 fluctuation and its influencing factors in three major cities.docxVIP

下载本文档

17
0
约4.3万字
约 68页
2018-07-29 发布于上海
举报
版权申诉

三大城市pm2.5波动及影响因素的统计研究-statistical research on pm 2.5 fluctuation and its influencing factors in three major cities.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

三大城市pm2.5波动及影响因素的统计研究-statistical research on pm 2.5 fluctuation and its influencing factors in three major cities

摘要2011年10月以来，我国多地持续出现的大雾天气严重影响了居民的日常生活，在引发人们对空气质量问题担扰的同时，也让PM2.5这样一个专业性很强的词汇进入公众视野。随着我国经济的高速发展、城市化进程的加快和工业规模的扩大，区域性大气污染日益严重，对公众健康和城市景观构成巨大威胁，在此背景之下，PM2.5日益成为现今社会普遍关注的热点问题。因此，从科学角度深入研究PM2.5的内在波动规律和外在影响因素势在必行，对日后的空气治理、环境监测、疾病防御均具有一定的指导意义。研究的主要内容是选取我国北京、成都、广州三大具有地域代表性的城市，以其PM2.524小时实时波动数据和空气质量指数月度数据为研究对象，分别利用小波分析法和径向基神经网络模型对PM2.5的实时波动规律和影响因素做统计分析。在波动分析中，通过实时数据的描述性分析可以发现：三座城市的PM2.5浓度值特征十分明显，且无论哪个城市，污染物浓度值均在夜间达到极值，早上随温度上升而逐渐下降。在后续的小波预测中，先利用小波变换对PM2.5的实时波动数据进行分解，得到各级小波的变化序列和尺度变换序列，再利用一维小波函数waverec对原始数列进行重构，重构序列与原始序列对比发现滤掉高频波动的序列走势更清晰，预测误差小于原始序列，预测的效果较好。在影响因素分析中，避开常用的温度、风速等气象因素，以三大城市空气质量月均数据和汽车、电子、石油三大产业产值、客运量、货运量等相关数据为研究对象，通过径向基神经网络模型分析各个因素对空气质量的影响大小，结果发现：无论是哪个城市，客运量和货运量都是对PM2.5的波动影响最大的因素。关键词：PM2.5；空气质量指数；小波分析；径向基神经网络IAbstractAstheairpollutionhasbecomethemostseriousprobleminmanycitiessinceOctober2011,PM2.5andAirQualityIndex(AQI)getmoreandmoreconcernamongotherpollutionindiceswhichcanposeagreatthreattopublichealthandurbanenvironment.ThesemaketheresearchoftheinnervariationruleandexternalinfluencingfactorsofPM2.5isimperativeandmeaningful.ThispaperselectsBeijing,Guangzhou,Chengduastheresearchobjects,usingPM2.5andAQIdatatotesttheinfluencefactorsandfluctuationwithwaveletanalysisandRBFneuralnetwork.Throughtheanalysisofthreecitieswecanfoundthatnomatterwhichcity,thepollutantdensitypeakedduringthenight,andinthedaytime,theconcentrationofPM2.5declinedgradually.WavelettransformofPM2.5candecompositedandrestrictedtheoriginalsequence,anditisobviouslythatthewaveletanalysiscanbetterpredictthetrendoffluctuationsthantheoriginalsequence.Intheanalysisofinfluencingfactors,RBFneuralnetworkmodelwasusedtoanalyzetheinfluenceofvariousfactorsonPM2.5,accordingtotherelatedresearch,wefoundthatthecurrentresearchmainlyfocusonthechemicalcompositionofPM2.5throughprofessionalinstrumenttodetermineinsteadofusingstatisticalanalysis,butthispaperselectPM2.5monthlydata,electronicandoilindustryoutputvalueandotherindicatorsastheresearchobject,theresultsshowedthat:passengerandfreightvolumeisoneofthebiggestfactorsinflu