雾霾天气与城市工业污染的关系

雾霾天气与城市工业污染的关系 雾霾天气与城市工业污染的关系 课程名称 数学模型 学 院 机械工程学院 年级 13级 专业班 机自实验2班 学 生 姓 名 肖方杰 学 号 20132146 开 课 时 间 2014至 2015学年第1学期 题目 雾霾天气增多是否说明城市工业污染加重，请收集数据，建模来分析，并验证模型的合理性。 问题重述与分析 要研究雾霾天气与城市工业污染的关系，可以通过研究空气质量指数(AQI)与PM2.5(含量)与PM10(含量)、CO(含量)、SO2(含量)、NO2(含量)的关系来说明，因为雾霾天气主要由空气中PM2.5等污染物形成，AOI能根据PM2.5等污染物来评价大气质量，而城市工业污染又是造成PM2.5等污染物增加的原因，所以可以通过分析建立AQI 与PM2.5(含量)与PM10(含量)、CO(含量)、SO2(含量)、NO2(含量)的模型来说明雾霾天气与城市工业污染的关系。 一、数据整理与分析 因为北京市的雾霾天气较多，所以本文模型是以北京市10月份的天气数据来建立，从而具有较高准确性和指导意义。 (1)数据来源 本文数据来源于某天气统计网站 () 写程序时要把各变量单位统一 变量说明 符号 符号说明 Y 空气质量指数(AQI) x1 PM2.5含量 x2 PM10含量 x3 CO含量 x4 NO2含量 x5 SO2含量 模型建立和求解 本题建立多元线性模型求解,多元线性模型 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示为: Y=b0+b1*x1+b2*x2+b3*x3+b4*x4=b5*x5+ , 回归系数b0,b1,b2,b3,b4,b5由数据估计，是随机误差。 , MATLAB程序如下; y=[91,75,119,101,48,47,179,309,380,351,233,25,29,72,81,73,127,194,289,254,67,100,154,263,341,85,50,84,138,203,201]; x1=[66,54,89,75,29,25,139,258,331,300,190,6,11,43,43,33,93,15,238,203,33,71,116,212,291,58,24,61,104,155,152]; x2=[77,51,108,45,40,50,181,292,354,268,126,8,26,90,99,93,176,229,307,226,81,135,175,260,327,61,58,109,160,194,180]; x3=[970,950,1590,1130,700,460,1290,2090,2290,2360,1800,250,310,690,590,630,1210,2000,2390,1550,1210,1260,1560,2060,2450,670,630,1000,1290,1680,2120]; x4=[57,46,52,38,29,46,86,102,92,84,60,22,30,61,43,54,104,113,118,75,56,75,87,87,88,39,52,71,88,99,88]; x5=[4,4,4,2,2,2,12,9,5,12,6,2,4,7,4,7,11,17,12,4,19,10,12,10,6,2,7,11,12,16,10]; figure(1);plot(x1,y,'o'),title('AQI与PM2.5含量的关系’) hold on figure(2);plot(x2,y,'+'),title(' AQI与PM10含量的关系') hold on figure(3);plot(x3,y,'*'),title(' AQI与CO含量的关系') hold on figure(4);plot(x4,y,'.'),title(' AQI与NO2含量的关系') hold on figure(5);plot(x5,y,'^'),title(' AQI与SO2含量的关系') %作散点图 hold on n=31; m=5; X=[ones(n,1),x1',x2',x3',x4',x5']; [b,bint,r,rint,s]=regress(y',X); b,bint,s, figure(6);rcoplot(r,rint) %作残差分析图 运行结果如下所示: b = 9.5986 0.4558 0.4662 0.0416 -0.4182 -0.3846 bint = -12.8205 32.0177 0.2634 0.6483 0.2046 0.7278 0.0170 0.0662 -1.1351 0.2987 -2.5476 1.7784 s = 0.9801 246.2659 0.0000 256.1534 计算结果列在下表中: 回归系数 回归系数的点估计 回归系数的区间估计 b0 9.5986 (-12.8205,32.0177) b1 0.4558 (0.2634,0.6483) b2 0.4662 (0.2046,0.7278) b3 0.0416 (0.0170,0.0662) b4 -0.4182 (-1.1351,0.2987) b5 -0.3846 (-2.5476,1.7784) R^2=0.9801,F=246.2659, p=0.0000,0.05,s^2=256.1354 以下是空气质量指数(AQI)与PM2.5(含量)与PM10(含量)、CO(含量)、SO2(含量)、NO2(含量)关系的散点图。 残差图 从残差及其置信区间发现，第11和第18个点为异常点，剔除它们 后重新计算，运行结果为: b = 19.7747 0.9903 0.1172 2.0327 -0.0990 0.4718 bint = 12.0724 27.4769 0.8681 1.1126 -0.0099 0.2443 -8.0802 12.1456 -0.3537 0.1556 -0.2676 1.2111 s = 1.0e+003 *0.0010 217.58 0.0000 0.0287 计算结果列在下表中: 回归系数 回归系数的点估计 回归系数的区间估计 b0 19.7747 (12.0724，27.4769) b1 0.9903 (0.8681，1.1126) b2 0.1172 (-0.0099，0.2443) b3 2.0327 (-8.0802，12.1456) b4 -0.0990 (-0.3537，0.1556) b5 0.4718 (-0.2676，1.2111) R^2=1.0e+003 *0.0010, F=217.58, p=0.0000,0.05, s^2=0.0287 R^2十分接近1，所以模型具有很好的精度。 最后可以得到模型为: Y=19.7747+0.9903*x1+0.1172*x2+2.0327*x3-0.0990*x4+0.4718*x5 模型检验 Y=19.7747+0.9903*x1+0.1172*x2+2.0327*x3-0.0990*x4+0.4718*x5 R^2十分接近1，所以模型具有很好的精度。 F检验法:作为模型整体的有效性检验，提出假设检验: H0:b1=b2=b3=b4=b5=0 F统计变量变为:F=(S1^2/m)/(S2^2/(n-m-1) 对于给定的显著性水平a，有F大于Fa(m,n-m-1),模型整体有效。 拿模型计算出来的结果与实际天气情况比较，发现模型的精确度非常高 模型评价和建议 一、评价 至此，完成了对影响北京市2014年10月份雾霾的模拟，线性回归方程产生的数据保留了实际数据的统计特点，并具有一定的随机性，可以作为北京市雾霾天气的有效模拟。通过预测的数据和实际数据的情况可以看出雾霾天气与城市工业污染有很大关系。 二、建议 本文通过对雾霾影响因素的线性回归模型的研究，可以得出有效控制雾霾的因素，一是适当改善产业结构，减少第二产业的比重，并适当减少市区工业的比重，尽量将污染比较严重的企业迁往郊区，从而减少市区二氧化硫、二氧化氮等有害气体的排放，达到转移污染源的目的。另外，在工地施工方面，可以选择天气干燥的时间施工，从而减少粉尘在空气中的悬浮量。通过实施以上 措施 《全国民用建筑工程设计技术措施》规划•建筑•景观全国民用建筑工程设计技术措施》规划•建筑•景观软件质量保证措施下载工地伤害及预防措施下载关于贯彻落实的具体措施 ，可以达到减少雾霾天数，控制雾霾的目的。