XX市環(huán)境空氣質(zhì)量問題建模.doc

《XX市環(huán)境空氣質(zhì)量問題建模.doc》由會員分享，可在線閱讀，更多相關(guān)《XX市環(huán)境空氣質(zhì)量問題建模.doc（16頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

. 關(guān)于XX市環(huán)境空氣質(zhì)量問題建模 1．摘要 本文先求出空氣污染指數(shù)（），環(huán)境空氣質(zhì)量指數(shù)（），再用多元回歸預(yù)測模型，求出與各因數(shù)之間的關(guān)系，而后用MATLAB擬合圖像，得出與時(shí)間的函數(shù)。 對于第一問，通過題目附錄中提供的算法，利用Excel ，C語言等工具，求出了XX市全市2013年每天的各成分的空氣污染分指數(shù)和環(huán)境空氣質(zhì)量分指數(shù)，進(jìn)而求出2013年每天的空氣污染指數(shù)（API）和環(huán)境空氣質(zhì)量指數(shù)（AQI），畫出它們的對比圖像，就可以分析出新標(biāo)準(zhǔn)和舊標(biāo)準(zhǔn)之間的區(qū)別，通過圖像分析各成分的圖像趨勢，可以定性的得出影響XX市空氣質(zhì)量的原因。通過比較AQI的數(shù)值與空氣質(zhì)量等級劃分標(biāo)準(zhǔn)，從而就可以評測全市的空氣質(zhì)量等級。 對于第二問，我們查閱相關(guān)資料大體確定環(huán)境空氣質(zhì)量與XX市平均風(fēng)速，平均相對濕度，平均溫度和城市工業(yè)增長率四個(gè)因數(shù)有關(guān)，用AQI來表征環(huán)境空氣質(zhì)量，我們引用多元回歸預(yù)測模型，列出相關(guān)參數(shù)方程，采用最小二乘法和MATLAB工具，可以確定參數(shù)方程系數(shù)，得到方程： （1） 進(jìn)行標(biāo)準(zhǔn)化處理，通過比較標(biāo)準(zhǔn)系數(shù)大小，就可以相應(yīng)求出各影響因數(shù)權(quán)重，從而就可以表征出各因數(shù)對環(huán)境質(zhì)量的影響。 對于第三問，由于僅僅是對未來一周進(jìn)行預(yù)測，我們只是考慮了它前一周（2013年4月22日到2013年4月28日）的溫度，相對濕度，風(fēng)速，城市工業(yè)增長率，我們畫出它們與時(shí)間對應(yīng)的圖像，用MATLAB分別擬合出，，，與時(shí)間之間的函數(shù)，然后將這些函數(shù)分別代入（1）式中，然后就可以得出環(huán)境空氣質(zhì)量與時(shí)間之間的函數(shù)，分別代入未來一周的時(shí)間，就可以算出未來一周的空氣質(zhì)量，從而就可以估計(jì)未來一周空氣質(zhì)量。 關(guān)鍵字: 多元回歸預(yù)測模型 回歸系數(shù) MATLAB圖像擬合 2．問題提出 大氣環(huán)境是指包圍在地球外圍的空氣層，是地球自然環(huán)境的重要組成部分之一。近年來，隨著我國經(jīng)濟(jì)社會的快速發(fā)展，以煤炭為主的能源消耗大幅攀升，機(jī)動車保有量急劇增加，經(jīng)濟(jì)發(fā)達(dá)地區(qū)氮氧化物（NOx）和揮發(fā)性有機(jī)物（VOCs）排放量顯著增長，臭氧（O3）和細(xì)顆粒物（PM2.5）污染加劇，在可吸入顆粒物（PM10）和總懸浮顆粒物（TSP）污染還未全面解決的情況下，京津冀、長江三角洲、珠江三角洲等區(qū)域PM2.5和O3污染加重，灰霾現(xiàn)象頻繁發(fā)生，能見度降低，環(huán)境空氣質(zhì)量評價(jià)以及污染治理等問題再一次引起大眾的關(guān)注。 2012年2月29日，國家環(huán)保部發(fā)布了新修訂的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）（見附件2），其中增加污染物監(jiān)測項(xiàng)目，加嚴(yán)部分污染物限值，以客觀反映我國環(huán)境空氣質(zhì)量狀況，推動大氣污染防治；而之前的評判則以GB3095-1996（附件1）為依據(jù)，通過空氣污染指數(shù)（API）判斷空氣質(zhì)量。 李克強(qiáng)在第七次全國環(huán)境保護(hù)大會上指出：“基本的環(huán)境質(zhì)量是一種公共產(chǎn)品，是政府必須確保的公共服務(wù)。” 空氣質(zhì)量作為基本公共物品，需要評估供給狀況和服務(wù)水平，以及政府管理的狀況。 我國有668個(gè)城市，地級以上城市有320個(gè)，雖然城市的自然、社會、經(jīng)濟(jì)條件不同，但是，環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)在全國是一樣的，每個(gè)城市都要達(dá)到國家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)。各城市空氣質(zhì)量管理的措施可能是不同的，但績效是基本可比的，此為本研究的出發(fā)點(diǎn)。 城市空氣質(zhì)量與城市的社會經(jīng)濟(jì)發(fā)展和空氣質(zhì)量管理有關(guān)，因此，評估城市空氣質(zhì)量是否達(dá)標(biāo)就是評估空氣質(zhì)量管理的績效。政府對空氣質(zhì)量的管理是本研究的關(guān)注點(diǎn)?？諝赓|(zhì)量通過管理是可以改善的。社會經(jīng)濟(jì)發(fā)展與空氣質(zhì)量的關(guān)系需要引起關(guān)注。 因此我們認(rèn)為對空氣質(zhì)量進(jìn)行評估和預(yù)測具有很現(xiàn)實(shí)的意義，下面我們以XX市為一個(gè)典型進(jìn)行分析，提出相應(yīng)的模型和假設(shè)，找出影響環(huán)境的重要因數(shù)，并根據(jù)模型與假設(shè)提出一些相對合理的意見。 3．基本假設(shè) （1）、各組數(shù)據(jù)真實(shí)可信，且是在同一地點(diǎn)同一時(shí)間采集，不考慮人為因素，具有統(tǒng)計(jì)、預(yù)測意義。 （2）、API指標(biāo)真實(shí)可靠，所給數(shù)據(jù)具有參考統(tǒng)計(jì)意義。 （3）、在預(yù)測2013年4月30日至5月6日這一周的時(shí)候，由于考慮所預(yù)測的值過于具體，我們假設(shè)這一周的空氣質(zhì)量狀況只與它的上一周（2013年4月22日到2013年4月28日）的參數(shù)有關(guān) 。 （4）由于時(shí)間有限，考慮XX市13個(gè)監(jiān)測點(diǎn)過于復(fù)雜，數(shù)據(jù)過于龐大，所以我們只考慮全市平均值，我們假設(shè)全市平均值能夠反映全市整體空氣質(zhì)量狀況。 （5）由于數(shù)據(jù)過于龐大，我們在比較和分析，的時(shí)候，只是取了2013年的前四個(gè)月每天的數(shù)據(jù)進(jìn)行分析。我們假設(shè)2013年前四個(gè)月，的變化能夠大體反映全年，的變化。 4．符號說明 ————————————————空氣污染指數(shù) ——————————————————某污染物的污染指數(shù) —————————————————環(huán)境空氣質(zhì)量指數(shù) ——————————————————該污染物的濃度 ——————————在API分區(qū)表中最接近C值得兩個(gè)值 ———————————在API 分區(qū)表中最接近I值得兩個(gè)值 ————————————————平均風(fēng)速 ————————————————平均相對濕度 ————————————————平均溫度 ————————————————城市工業(yè)增長率 5．模型的建立和求解 5.1計(jì)算空氣污染指數(shù)（）與環(huán)境質(zhì)量指數(shù)（）并比較分析 通過查閱資料，可以找到API，即空氣質(zhì)量污染指數(shù)標(biāo)準(zhǔn)，由此計(jì)算XX市各項(xiàng)指標(biāo)的月API平均值，對各項(xiàng)數(shù)值進(jìn)行比較，得出XX市三項(xiàng)指標(biāo)特點(diǎn)。 根據(jù)表一： 圖表（1）空氣污染指數(shù)對應(yīng)的污染物濃度極限 計(jì)算各項(xiàng)指標(biāo)的API值： 設(shè)為某污染物的污染指數(shù)，為該污染物的濃度。則： （2） 式中： ： 在API分區(qū)表中最接近C值得兩個(gè)值 ：在API 分區(qū)表中最接近I值得兩個(gè)值 在2012年實(shí)施了新標(biāo)準(zhǔn)，調(diào)整了一下劃分等級的標(biāo)準(zhǔn)，具體如下： （3） 式中：——————污染物項(xiàng)目的空氣質(zhì)量分指數(shù)； ———————污染物項(xiàng)目的質(zhì)量濃度值； ——————與相近的污染物濃度限值的高位值； ——————與相近的污染物濃度限值的低位值； ——————與對應(yīng)的空氣質(zhì)量分指數(shù)； ——————與對應(yīng)的空氣質(zhì)量分指數(shù)。 具體算法與上式（2）算法相同，只是相應(yīng)引入了一些新的污染參數(shù)，等級更加細(xì)分，故可以用同一個(gè)算法計(jì)算。 我們利用Excel工具,利用公式（3）便可得出各成分的空氣污染分指數(shù)和環(huán)境空氣質(zhì)量分指數(shù)表格。相應(yīng)程序部分如下： so2 api =IF(B2>=2100,(400+(B2-2100)/(2620-2100)*100),IF(B2>=1600,(300+(B2-1600)/(2100-1600)*100),IF(B2>=800,(200+(B2-800)/(1600-800)*100),IF(B2>=150,(100+(B2-150)/(800-150)*100),(50+(B2-50)/(150-50)*50))))) no2 =IF(C2>=750,(400+(C2-750)/(940-750)*100),IF(C2>=565,(300+(C2-565)/(750-565)*100),IF(C2>=280,(200+(C2-280)/(565-280)*100),IF(C2>=120,(100+(C2-120)/(280-120)*100),IF(C2>=80,(50+(C2-80)/(120-80)*50),(C2/80*50)))))) pm10 =IF(D2>=500,(400+(D2-500)/(600-500)*100),IF(D2>=420,(300+(D2-420)/(500-420)*100),IF(D2>=350,(200+(D2-350)/(420-350)*100),IF(D2>=150,(100+(D2-150)/(800-150)*100),(50+(D2-50)/(150-50)*50))))) pm2.5 =IF(H2>=350,(400+(H2-350)/(500-350)*100),IF(H2>=250,(300+(H2-250)/(350-250)*100),IF(H2>=150,(200+(H2-150)/(250-150)*100),IF(H2>=75,(100+(H2-75)/(150-75)*100),(50+(H2-35)/(75-35)*50))))) api =MAX(K2:O2) 表格見附錄（1） 通過對表格的處理我們可以得出，與時(shí)間之間的對應(yīng)圖像，圖表如下： 圖表（2）的，與時(shí)間之間的對應(yīng)圖像 圖表（3）的，與時(shí)間之間的對應(yīng)圖像 對圖表（2）分析可以發(fā)現(xiàn)，用新舊標(biāo)準(zhǔn)所算出的的，值沒有明顯差別，只是在四月份有微小的差異，且的，有下降的趨勢。對圖表（3）分析可以發(fā)現(xiàn)用新舊標(biāo)準(zhǔn)所算出的的、值有明顯差異。但是從整體看的、保持平穩(wěn)。由于兩種都是氣體，但是整體趨勢有明顯不同，說明這種趨勢不大可能是空氣濕度，溫度引起的，極可能是排放量減少了。 圖表（4）的，與時(shí)間之間的對應(yīng)圖像 對圖表（4）分析可以發(fā)現(xiàn)，的，基本相同，說明用新舊標(biāo)準(zhǔn)所算出的的，值沒有明顯差別。分析圖像發(fā)現(xiàn)，的，有時(shí)特別高，說明受特殊天氣影響強(qiáng)烈。 圖表（5）各指數(shù)的與時(shí)間之間的對應(yīng)圖像 圖表（6）各指數(shù)的與時(shí)間之間的對應(yīng)圖像 對圖表（5）分析可以發(fā)現(xiàn)，在各指數(shù)中的最大，由于是由最大空氣質(zhì)量分指數(shù)決定，故是首要污染物，對于舊標(biāo)準(zhǔn)而言是由決定。 對圖表（6）分析可以發(fā)現(xiàn)，在各指數(shù)中，的最大，故是首要污染物，對于新標(biāo)準(zhǔn)而言是由決定。 圖表（7） ，與時(shí)間之間的對應(yīng)圖像 對圖表（7）分析可以發(fā)現(xiàn)，與存在明顯差異，且明顯比大，故新標(biāo)準(zhǔn)明顯比舊標(biāo)準(zhǔn)嚴(yán)格，且它們評測的首要污染物明顯不同。 5.2 分析影響空氣質(zhì)量的原因 查閱XX氣象局提供的某些數(shù)據(jù)，我們發(fā)現(xiàn)空氣質(zhì)量與溫度，相對濕度，氣壓，風(fēng)速，風(fēng)向，城市工業(yè)增長率等因素有關(guān)。但是如果考慮考慮這么多因素，模型的求解過程過于復(fù)雜，因此我們選取其中相對主要的四個(gè)因素（溫度，相對濕度，風(fēng)速，城市工業(yè)增長率）進(jìn)行建模。 5.2.1模型的建立與求解 當(dāng)前，對于大氣污染物濃度預(yù)測所采取的方法主要是從污染物排放量高低為基礎(chǔ)進(jìn)行預(yù)測的，典型的預(yù)測模型有：灰色系統(tǒng)、模糊數(shù)學(xué)和人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，預(yù)測方法又出現(xiàn)了以污染物排放相關(guān)因素為基礎(chǔ)的模型。我們本來打算用灰色模型來進(jìn)行建模和求解，那個(gè)模型算出來的結(jié)果應(yīng)該會更加準(zhǔn)確，但是由于處理的數(shù)據(jù)過多，加上用MATLAB處理數(shù)據(jù)較復(fù)雜，我們本題采用多元線性回歸預(yù)測模型進(jìn)行分析。多元回歸預(yù)測模型思想如下： 在許多實(shí)際問題中，影響結(jié)果y的因素往往不止一個(gè)，而是多個(gè)變量x1，x2，，xp與y之間存在著如下線性關(guān)系： (4) 其中：，是回歸系數(shù)；x1，x2，，xp是p個(gè)可以精確測量或控制的變量，及回歸因子；是不可觀測的隨機(jī)誤差，滿足 (5) 一般地，我們稱由公式(1)和(2)確定的模型為多元線性回歸預(yù)測模型，記為： (6) 具體方法為： ? 計(jì)算各變量的平均值： (7) (2)根據(jù)公式(5)計(jì)算出矩陣Lij和矩陣Li： () (8) (3)根據(jù)公式(6)求出回歸系數(shù)的估計(jì)值： (9) 即可求出回歸模型： （10） 根據(jù)多元線性回歸法的基本理論，分別考慮平均風(fēng)速，平均相對濕度，平均溫度和城市工業(yè)增長率四個(gè)因數(shù)作為影響XX空氣質(zhì)量的指標(biāo)，設(shè)它們分別用，，，表示，由于是一個(gè)不可觀測的隨機(jī)誤差，我們假設(shè)，故設(shè)數(shù)學(xué)模型為： （11） 其中，，，，為回歸系數(shù)。 由于2013年只有四個(gè)月數(shù)據(jù)，不具有完整性，故我們選取2012年整年的數(shù)據(jù)進(jìn)行分析，分析2012年各月的相應(yīng)值，這樣可以得到一個(gè)相對滿意的結(jié)果。 下表是我們查相關(guān)的氣象資料得出的2012年不同月份月平均風(fēng)速，月平均氣溫，月平均相對濕度，城市工業(yè)增長率，月平均AQI的相關(guān)參數(shù)： 時(shí)間 月平均風(fēng)速 月平均氣溫 月平均相對濕度 城市工業(yè)增長率 月平均AQI 1月 17 4 71 11.5 154 2月 22 12 53 13 134 3月 30 19 61 11.1 134 4月 26 22 51 12 128 5月 23 24 63 12.2 124 6月 26 26 50 12.5 114 7月 27 28 67 12.2 112 8月 29 25 70 11.7 116 9月 24 18 74 11.6 120 10月 20 17 68 12 146 11月 23 13 54 10.1 142 圖表（8）各參數(shù)與月平均AQI關(guān)系 由上表我們可以得出它們相應(yīng)的對照圖像，圖像如下： 圖表（9）各參數(shù)與月平均AQI關(guān)系圖 運(yùn)用上面模型的算法，可以分別求出各參數(shù)平均值： 然后利用ＭＡＴＬＡＢ編出相應(yīng)的矩陣： () 就可求出回歸系數(shù)的估計(jì)值： （12） 5.2.2模型的檢驗(yàn) 上式就是我們用多元線性回歸預(yù)測模型算出的結(jié)果，由于模型過于粗糙，我們只能用圖表（9）進(jìn)行大體預(yù)測，通過圖像可以看出月平均與月平均溫度和月平均相對濕度之間是負(fù)相關(guān)關(guān)系，與月平均風(fēng)速和城市工業(yè)增長率之間是正相關(guān)關(guān)系，這與所得方程里回歸參數(shù)前的符號相對應(yīng)，故模型還是相對合理的。 5.2.3模型的分析結(jié)果 通過上面的出的回歸方程我們可以發(fā)現(xiàn)，在一定范圍內(nèi)相對濕度和溫度越高，越小，空氣質(zhì)量越好，風(fēng)速和城市工業(yè)增長率越大，越大，空氣質(zhì)量越差。這種結(jié)果可能是由于用評估法評估，其首要污染物是所造成的。我們可以分別求出，，，在影響中所占的權(quán)重： 發(fā)現(xiàn)城市工業(yè)增長率對的影響最大，相對濕度對的影響相對較少?？紤]到工業(yè)增長率，主要是由于人口的增長造成汽車尾氣的排放，工業(yè)排放的廢氣與粉塵，綠化面積等人為因素決定；風(fēng)速所占的權(quán)重也比較大，而它的變化是比較劇烈，突發(fā)性強(qiáng)，因而人為因素突發(fā)天氣對環(huán)境質(zhì)量影響較大，相對濕度和溫度對環(huán)境質(zhì)量影響相對較小。 5.3對未來一周XX市空氣質(zhì)量狀況進(jìn)行預(yù)測 5.3.1線性擬合模型的建立 由于未來一周（2013年4月30日至5月6日）的天氣和與它較遠(yuǎn)的時(shí)間段的關(guān)聯(lián)度很小，從簡單考慮，我們只考慮和它前一周對應(yīng)的天氣對它的影響，即只通過分析2013年4月22日至2013年4月28日這七天的天氣，從而預(yù)測未來一周天氣。 在上一問中，我們已經(jīng)得出了與溫度，相對濕度，風(fēng)速參數(shù)，工業(yè)增長率之間的對應(yīng)關(guān)系，即： 由于對每天進(jìn)行考慮，工業(yè)增長率基本不變，為一常數(shù)，將其當(dāng)做變量考慮沒有意義。故我們?nèi)?013年前四個(gè)月平均工業(yè)增長率來代替上面的參數(shù)，查表得，則： 現(xiàn)在我們用線性擬合的知識，借助MATLAB工具，分別通過分析這一周的溫度，相對濕度，風(fēng)速參數(shù)，將它們分別與時(shí)間進(jìn)行擬合。從而可以分別得到溫度，相對濕度，風(fēng)速參數(shù)與時(shí)間之間的函數(shù)關(guān)系，進(jìn)而可以求出與時(shí)間之間的關(guān)系。 5.3.2數(shù)據(jù)處理與模型求解 查閱相關(guān)數(shù)據(jù)，我們可以得到如下表格： 時(shí)間 平均溫度 相對濕度 風(fēng)速參數(shù) 2013/4/22 12 75 20 2013/4/23 18 42 35 2013/4/24 22 45 28 2013/4/25 21 47 25 2013/4/26 23 52 19 2013/4/27 24 68 23 2013/4/28 24 72 40 1.對溫度進(jìn)行分析，可以得到如下時(shí)間與溫度對應(yīng)圖： 對圖像進(jìn)行分析，我們大體估計(jì)溫度是時(shí)間的二次函數(shù)關(guān)系，即：。 用MATLAB工具進(jìn)行擬合，可以求出前面的系數(shù)，MATLAB程序如下： >> x=[1:7]; y=[12 18 22 21 23 24 24]; >> plot(x,y,o) >> polyfit(x,y,2) ans = -0.4643 5.4643 8.0000 于是可以得到與之間的關(guān)系： 2.對濕度進(jìn)行分析，可以得到如下時(shí)間與相對濕度對應(yīng)圖： 對圖像進(jìn)行分析，可以大體估計(jì)相對濕度和溫度之間也是二次函數(shù)關(guān)系，應(yīng)用上面的方法，同樣可以求得相對濕度與時(shí)間之間的關(guān)系： 具體程序段如下： x=[1:7]; y=[75 42 45 47 52 68 72]; plot(x,y,o) polyfit(x,y,2) ans = 3.0476 -22.5952 86.7143 >> 3．對風(fēng)速參數(shù)進(jìn)行分析，可以得到如下風(fēng)速參數(shù)和時(shí)間對應(yīng)圖： 對圖像進(jìn)行分析，可以大體估計(jì)風(fēng)速參數(shù)和時(shí)間之間滿足正弦函數(shù)關(guān)系，應(yīng)用上面的擬合方法同樣可以得出與之間的函數(shù)： 于是我們得到了，，與時(shí)間之間的關(guān)系，即： 將它們分別代入式（），就可以得到時(shí)間與之間的函數(shù)： 將，分別代入上面方程，就可以得到未來一周的值，通過所求值就可以近似對未來一周空氣質(zhì)量狀況進(jìn)行估計(jì)，得出結(jié)果如下： X 4月30日 5月1日 5月2日 5月3日 5月4日 5月5日 5月6日 F 68.2 54.5 46.9 45.3 49.7 60.13 76.5 T 13 17.1 20.2 22.4 23.8 24.2 23.7 V 33.2 33.2 25.7 18.2 18.2 25.7 33.2 AQI 126.42 138.22 113.28 81.56 72.88 87.558 95.54 5.4對XX市環(huán)境空氣質(zhì)量的評價(jià)及建議 5.4.1對XX市環(huán)境空氣質(zhì)量的分析 通過上面的分析可以發(fā)現(xiàn)，引進(jìn)新標(biāo)準(zhǔn)后，對空氣質(zhì)量的檢測明顯更加嚴(yán)格，XX市的首要污染物是PM2.5，同時(shí)PM10也相對較高，其他污染物的影響相對較小。在分析原因的時(shí)候我們發(fā)現(xiàn)城市工業(yè)增長率與風(fēng)速很顯著的影響XX空氣質(zhì)量。 要改善大氣環(huán)境質(zhì)量，一方面，由于、與空氣水平流動（風(fēng)速）、垂直流動（氣壓）有相關(guān)性，因此要在城市用地規(guī)劃與總體規(guī)劃中考慮大氣輸送、 擴(kuò)散等自然通風(fēng)條件對用地布局的影響。例如，將大型污染工廠企業(yè)移出城市生活區(qū)等。另一方面要通過合理的規(guī)劃措施來改善城市的局部氣候環(huán)境 ，以減少或避免由于工業(yè)布置不合理引起大氣污染物往市區(qū)及其周圍累積、 迭加。如根據(jù)城市氣象條件 ，掌握城市風(fēng)、 氣溫及其天氣形勢的變化規(guī)律 ，結(jié)合地形和其他自然條件 ，以及城市設(shè)施熱量散發(fā)狀況等 ，對城市工業(yè)區(qū)、城市道路、城市建筑和綠地等進(jìn)行合理的布局。因此我們可以提出以下建議，以供參考： XX市環(huán)境空氣主要污染物是可吸入顆粒物，其次是二氧化硫、二氧化氮。政府要加大力度控制可吸入顆粒的治理，以減少空氣質(zhì)量對市民的生活健康影響。根據(jù)XX市點(diǎn)源、面源及線源的調(diào)查情況可知：可吸入顆粒物來源呈多樣性，既有地面土壤和揚(yáng)塵，又有大量的建筑塵，還有燃煤塵和冶煉塵等。自然源有土壤塵、植物焚燒飛灰、花粉和鹽粒等。人為源有燃煤塵、建筑塵(石灰、水泥、沙、礦石等)和冶煉塵，此外還有有機(jī)化工排放的有機(jī)顆粒和焚燒垃圾產(chǎn)生的顆粒。汽車尾氣也間接產(chǎn)生一些顆粒。對XX市可吸入顆粒物有重要影響的基本源有燃煤塵、土壤塵、建筑塵和冶煉塵。 5.4.2具體建議 （1）推行清潔能源，降低原煤消耗所占的比例。特別是在冬季供暖季節(jié)，改造居民采取燒煤取暖的狀況，努力擴(kuò)大天然氣、煤氣等清潔能源消費(fèi)量，強(qiáng)化能源節(jié)約。 （2）加強(qiáng)工業(yè)污染的防治，以循環(huán)經(jīng)濟(jì)模式發(fā)展工業(yè)經(jīng)濟(jì)。如：加強(qiáng)大型火電廠的脫硫、除塵以及低氮燃燒等措施。 （3）加強(qiáng)以建筑揚(yáng)塵、道路揚(yáng)塵為主的揚(yáng)塵污染控制，建立健全的控制揚(yáng)塵污染的長效機(jī)制。加強(qiáng)道路沖洗和機(jī)械化吸塵作業(yè)，增加改性瀝青路面比例，嚴(yán)格和規(guī)范施工揚(yáng)塵、建筑渣場管理。 （4）加強(qiáng)機(jī)動車尾氣污染治理，消除機(jī)動車冒黑煙現(xiàn)象。嚴(yán)格執(zhí)行機(jī)動車維護(hù)、改造、報(bào)廢制度。 （5）由于風(fēng)速與突發(fā)天氣密切相關(guān)，而風(fēng)速又是影響空氣質(zhì)量的重要因素，因此政府要注意突發(fā)天氣的應(yīng)急準(zhǔn)備。通過氣象數(shù)據(jù)，提前預(yù)測空氣質(zhì)量，做到合理協(xié)調(diào)。 6．模型的優(yōu)缺點(diǎn)分析 在解決上面四個(gè)問題的時(shí)候，我們主要是引入了多元線性回歸模型和MATLAB線性擬合模型。在解決第二問：分析影響空氣質(zhì)量的原因的時(shí)候，我們從定量的角度分析出了影響空氣質(zhì)量原因的參數(shù)，通過比較它們的權(quán)重，可以相對合理的分析各參數(shù)的影響大小。總體來說，我們的方法有如下優(yōu)點(diǎn)： （1）在第一問中我們通過分析的，與時(shí)間之間的對應(yīng)關(guān)系，的，與時(shí)間之間的對應(yīng)關(guān)系，的，與時(shí)間之間的對應(yīng)關(guān)系，各指數(shù)的與時(shí)間之間的對應(yīng)關(guān)系，各指數(shù)的與時(shí)間之間的對應(yīng)關(guān)系，，與時(shí)間之間的對應(yīng)關(guān)系，可以非常全面的比較出新舊標(biāo)準(zhǔn)之間的差異，還可以非常具體的求出各污染源的變化趨勢，對環(huán)境空氣質(zhì)量評估很有幫助。 （2）在第二問中，我們用多元線性模型，可以很具體的求出各參數(shù)（溫度，相對濕度，風(fēng)速，城市工業(yè)增長率），并且可以分析出各參數(shù)的增長對空氣質(zhì)量是正相關(guān)還是負(fù)相關(guān)，還可以通過數(shù)值來表征各參數(shù)的影響程度。 （3）我們在算影響空氣質(zhì)量因素的時(shí)候取的是2012年月平均，若只是考慮2013年前四個(gè)月，那樣就沒有考慮季節(jié)的變化對濕度，溫度，風(fēng)速的影響，所以取全年值相對合理。 但是，我們的模型也存在很多不足的地方，具體的不足之處如下： （1）由于時(shí)間有限，我們只是算了一下全XX市的空氣質(zhì)量，沒有算各個(gè)檢測地區(qū)的空氣質(zhì)量，不能夠反映出XX各地區(qū)具體情況。 （2）對于第一問，我們只是對2013年1月到4月每一天進(jìn)行分析，沒有充分考慮季節(jié)變化對，的影響。 （3）我們在處理第三問的時(shí)候，只是選取了和估計(jì)日期最近的一周進(jìn)行估計(jì)，可能存在一些誤差。 7．參考文獻(xiàn)： 【1】韓中庚，數(shù)學(xué)建模方法及其應(yīng)用，北京：高等教育出版社，2009.6 【2】肖華勇，實(shí)用數(shù)學(xué)建模與軟件應(yīng)用，XX：西北工業(yè)大學(xué)出版社，2008.11 【3】范正綺，數(shù)據(jù)分析方法，上海：上海財(cái)經(jīng)大學(xué)出版社 【4】王曉銀，周保平，數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn)，北京：科學(xué)出版社，2010.2 【5】黃潤龍，數(shù)據(jù)統(tǒng)計(jì)與分析技術(shù)——SPSS軟件實(shí)用教程，北京：高等教育出 精選word范本！