基于灰色关联度分析法PM2.5影响因素分析.docVIP

基于灰色关联度分析法PM2.5影响因素分析 　　摘要：本文主要对中国国家数据库中搜集到的20个主要城市的统计数据，运用灰色综合关联度法进行了系统分析，建立了对PM2.5的影响因素模型。结果表明：各PM2.5的影响因素与PM2.5含量的灰色综合关联度存在显著差异性，其中汽车尾气对于PM2.5的影响程度最为显著，其次分别为工业生产，生活污染和大气污染物，本文根据各影响因素的关联程度，对如何有效控制PM2.5含量提出建议。 　　关键词：PM2.5影响因素灰色关联度法 　　 PM2.5是指大气中直径小于或者等于2.5微米的颗粒物，也称为细颗粒物[1.2]。虽然PM2.5在大气成分中含量很少，但其在大气中停留时间长，输送距离远，所以对于大气环境影响能力不容小觑。PM2.5不仅能通过消光作用造成大气能见度下降，而且富含大量的有毒有害物质，易通过下呼吸道进入肺泡沉淀引起呼吸道和心血管等疾病，对人体的健康造成危害，因此已引起了多方面的高度关注，近期环保部与有关部委修订出台了相关法律，把PM2.5平均浓度正式纳入空气质量监测范围。而能否有效的控制PM2.5，直接影响到了居民健康以及国民经济的可持续发展，也是全面建设小康生活的需要。因此认识到影响PM2.5的主要因素，建立影响因素模型，做出相应决策有效控制PM2.5至关重要。 　　而长期以来，对于大气污染影响因素的研究习惯运用高斯模式计算法。从专业角度上来说，高斯模式计算法更适合静态性指标的研究，而对于具有动态特征的指标，运用灰色关联度分析法更能揭露系统和因素间的关联关系，从而对系统有比较透彻的认识。因此本文采用在国家数据库中搜集到的主要城市的各项统计数据[3]，建立了我国PM2.5影响因素模型，分析其影响的决定因素，以其对PM2.5的有效控制给出量化分析结果。 　　 　　1．指标确定 　　 　　PM2.5的来源非常复杂，从形成过程上可以分为一次源和二次源[4]。一次源又分为自然源和人为源。自然源在全球范围分布广泛，如火山爆发、森林火灾、土壤和岩石的风化及生物腐烂等现象所形成的污染源。人为污染源是指人类生活和生产活动所形成的污染源。 　　二次源是指各污染源排出的气态污染物，经过冷凝或复杂的大气化学反应而生成的二次细颗粒物。细颗粒物又可分为二次无机细颗粒和二次有机细颗粒。前者主要包括硫酸盐、硝酸盐、铵盐，是由二氧化硫、氮氧化物、氨等无机气态物质经过复杂的大气化学反应过程而形成的；后者含有数千种有机化合物，是由挥发性有机化合物（VOCs）转化而来的。 　　为了保证分析结果的精确度和准确度，本文依据PM2.5的成因筛选出了10个影响指标，且将指标按成因分四大类.一次源形成：生活污染因素；二次源形成：汽车尾气因素，工业生产因素，大气污染物因素)，从而使得数据更清晰易懂，结果更清晰简洁。 　　综上所述我们用母序列(t)代表不同城市PM2.5的年均值 　　用以下指标代表影响PM2.5的各类因素：X1(k):二氧化硫年排放量，X2(k)：氮氧化物年排放量和X3(k)：烟尘年排放量衡量大气污染物因素；X4(k):民用汽车拥有数量和X5(k):私人汽车拥有量衡量汽车尾气因素；X6(k)：工业粉尘年排放量，X7(k)：工业氮氧化物年排放量和X8(k)：工业二氧化硫排放量来衡量工业生产因素；X9(k)：生活二氧化硫排放量和X10(k)：生活烟尘排放来衡量生活污染因素以上数据均可在国家数据库[3]中直接获得。 　　 　　2.利用灰色综合关联度计算相关度 　　 　　灰色关联度分析是基于灰色系统[5], 依据各因素数列曲线形状的接近程度将因素间时间序列的比较，从而确定哪些是影响大的主导因素。即根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大，序列之间的相关关系也就越接近，反之则越小。计算方法如下： 　　2.1数据的标准化处理 　　确定参比数列Xo={Xo(k)|k=1,2…n}表示不同城市中PM2.5的含量 　　确定比较数列Xi={Xi(k)|k=1,2…n},式中i=1,2…m分别表示大气中二氧化硫含量，氮氧化物含量等（详见表1） 　　由于我们所选取的各污染物浓度量纲不一样，各相关影响因素起量纲也不同，因此不适合直接用统计的数据进行计算，所以需对搜集到的数据先进行无量纲化处理。本文采用了数据初值化变换，既分别用各原始数据列的最大值来除以序列中的各个数据，得到初值化数据序列。标准化处理后的各个数据均无量纲，数据值大于零且范围在零至一之间，使得各数据在曲线图中有公共交点，易于更直观的进行分析比较。将各初值化数据以折线图的形式表示，见图1。 　　 　　 　　 　　 　　 　　 　　 　　 　　图1各影响因素初值化数据折线图