一种基于回归分析的空气质量指数算法.docx

?

?

一种基于回归分析的空气质量指数算法

?

?

太春宁范卉

摘要：对吉林省重点城市2015到2018年大气日均值数据采用回归方法，得到AQI的一种简便计算方法。并用2019年吉林省一季度大气日均值数据进行了验证。结果基本满足日常工作的要求。

关键词：AQI;线性回归;算法

：X830.2：A：2095-672X（2019）12-0-02

Abstract：AsimplemethodofAQIisobtainedbyregressionmethodforthedailymeanatmosphericdataofkeycitiesinJilinProvincefrom2015to2018.TheresultsarevalidatedbythedailymeandataofJilinProvinceinthefirstquarterof2019.Theresultsbasicallymeettherequirementsofdailywork.

Keywords：AQI;Linearregression;Algorithm

空气质量指数是定量描述空气质量状况的无量纲指数，共有6项污染物参与计算，分别是：O38小时、PM1024小时、PM2.524小时、CO8小时、SO224小时、NO224小时。

空气质量分指数中采用了插值法，计算过程比较复杂。本算法采用了线性回归的方法，对吉林省2015年到2018年日均值中AQI与六项污染物的浓度的相关性进行分析，并给出计算公式，最后通过比对2019年前三个月的大气AQI数据与用公式计算出的结果进行了的验证。

1数据来源和方法

以吉林省2015-2018年重点城市大气日均值为样本，采用SPSS软件进行处理，先判断AQI与6项污染物值的相关性，再用线性回归方法确定AQI值与6项污染物的模型。

2相关性结果与分析

采用SPSS软件，AQI与6项污染物的双变量相关分析，得到如下的结果。

3线性回归的结果与分析

采用SPSS软件，对以上数据进行线性回归处理，得到如下结果。

从表2可以看出，调整后的R方为0.905，即AQI的变化90.5%由六项污染物影响。

从表3可以看出，Sig.值为.000，小于0.01，此回归方程是有用的。F值为28572.813，Fa（0.01，1，17989）为6.6363，F值远大于这个值，说明六项污染物对AQI有显著性的影响。从表4可以看出，AQI与六项污染物及常量的Sig.的值都是0，表示全部是显著相关。得到的AQI公式为：

4公式的验证

为了验证用回归方法得到的AQI公式的准确性，对吉林省2015-2018年度重点城市大气日均值用本公式得出的AQI值与插值法得到的AQI值，用SPSS软件进行配对样品检验，得到结果如下：

从表5可以看出两组AQI数据具有强相关性，均值差为0.025，标准差为12.716，均值差没有显著相关性。

5公式的应用

为了验证AQI公式的实际效果，对吉林省2019年一季度的大气日均值数据进行了处理，分别得到用插值公式得到的AQI值和用本公式得

6结论

用回归方法得到的AQI数据与插值法得到的AQI数据具有强烈的相关性，可以作为计算AQI的参考方法使用，对特殊情况下临时计算空气质量指数提供了一种简便的工具。

参考文献

[1]潘本锋，李莉娜.环境空气质量指数计算方法与分级方案比较[J].中国环境监测，2016，32（01）：13-17.

?

-全文完-