數(shù)學(xué)建模 空氣質(zhì)量.doc

《數(shù)學(xué)建模 空氣質(zhì)量.doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《數(shù)學(xué)建模 空氣質(zhì)量.doc（49頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

2011高教社杯全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽 承 諾 書 我們仔細(xì)閱讀了中國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽的競(jìng)賽規(guī)則. 我們完全明白，在競(jìng)賽開始后參賽隊(duì)員不能以任何方式（包括電話、電子郵件、網(wǎng)上咨詢等）與隊(duì)外的任何人（包括指導(dǎo)教師）研究、討論與賽題有關(guān)的問(wèn)題。 我們知道，抄襲別人的成果是違反競(jìng)賽規(guī)則的, 如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用處和參考文獻(xiàn)中明確列出。 我們鄭重承諾，嚴(yán)格遵守競(jìng)賽規(guī)則，以保證競(jìng)賽的公正、公平性。如有違反競(jìng)賽規(guī)則的行為，我們將受到嚴(yán)肅處理。 我們參賽選擇的題號(hào)是（從A/B/C/D中選擇一項(xiàng)填寫）： 　?。? 我們的參賽報(bào)名號(hào)為（如果賽區(qū)設(shè)置報(bào)名號(hào)的話）： 所屬學(xué)校（請(qǐng)?zhí)顚懲暾娜? 中國(guó)農(nóng)業(yè)大學(xué) 參賽隊(duì)員 (打印并簽名) ：1. 王萬(wàn)能 2. 董祥祥 3. 孫靖翔 指導(dǎo)教師或指導(dǎo)教師組負(fù)責(zé)人 (打印并簽名)： 日期： ２０１４ 年 ９　月 ８ 日 賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）： 2011高教社杯全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽 編 號(hào) 專 用 頁(yè) 賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）： 賽區(qū)評(píng)閱記錄（可供賽區(qū)評(píng)閱時(shí)使用）： 評(píng) 閱 人 評(píng) 分 備 注 全國(guó)統(tǒng)一編號(hào)（由賽區(qū)組委會(huì)送交全國(guó)前編號(hào)）： 全國(guó)評(píng)閱編號(hào)（由全國(guó)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）： 北京市空氣質(zhì)量狀況探究 摘要 空氣與我們的生存是息息相關(guān)的，它直接參與人體的新陳代謝、物質(zhì)代謝和體溫調(diào)節(jié)等過(guò)程。隨著現(xiàn)代工業(yè)和交通的迅猛發(fā)展，煙塵和汽車尾氣等的排放，超越了大氣的自凈界限，接踵而至的卻是一個(gè)十分嚴(yán)峻的問(wèn)題—大氣污染。作為我國(guó)的首都，北京的空氣質(zhì)量又是什么情況呢？我們通過(guò)數(shù)學(xué)模型來(lái)分析這個(gè)問(wèn)題。 對(duì)于第一問(wèn)“查找相關(guān)數(shù)據(jù)（包括近期連續(xù)數(shù)據(jù)及零星數(shù)據(jù)）”，我們認(rèn)為，由于空氣質(zhì)量指數(shù)（AQI）是2012年上半年才被出臺(tái)規(guī)定取代原有空氣污染指數(shù)（API）的，且參與空氣質(zhì)量評(píng)價(jià)的主要污染物為細(xì)顆粒物（PM2.5）、可吸入顆粒物（PM10）、二氧化硫、二氧化氮、臭氧、一氧化碳等六項(xiàng)。為方便后續(xù)幾問(wèn)的研究，我們收集了2013年至2014年8月每日的AQI、空氣質(zhì)量等級(jí)、PM2.5、PM10、SO2、NO2、CO這7項(xiàng)指標(biāo)的數(shù)據(jù)（即連續(xù)型數(shù)據(jù)）和2008年至2013年P(guān)M10、SO2、NO2、CO的年度平均指標(biāo)數(shù)據(jù)（即離散數(shù)據(jù)）。 第二問(wèn)中，本文從時(shí)間和空間兩個(gè)維度分析北京污染情況。從時(shí)間角度分析時(shí)，為保證充分利用數(shù)據(jù)，本文分別從污染物年濃度平均變化和持續(xù)污染日數(shù)和空氣質(zhì)量超標(biāo)日數(shù)年變化兩個(gè)層次對(duì)北京空氣質(zhì)量進(jìn)行了分析，從而歸納出北京空氣污染的年度特征。從空間角度分析時(shí)，本文根據(jù)北京市各區(qū)縣PM10、SO2、NO2、CO的年度平均數(shù)據(jù)，將各區(qū)縣各項(xiàng)指標(biāo)濃度反映在了北京的區(qū)域地圖上，繪制得各項(xiàng)指標(biāo)的濃度空間分布示意圖，同時(shí)將兩年數(shù)據(jù)求平均值并按照PM10降序排列，結(jié)合圖、表定量分析并得出結(jié)論。 第三文中，本文以各個(gè)監(jiān)測(cè)點(diǎn)為圓心，以各監(jiān)測(cè)點(diǎn)所能測(cè)得的準(zhǔn)確數(shù)據(jù)的最大距離為半徑作圓，根據(jù)所有圓是否將北京市全部覆蓋判斷空氣質(zhì)量監(jiān)測(cè)點(diǎn)的布局是否合理。最終本文得出結(jié)論：北京市空氣質(zhì)量監(jiān)測(cè)點(diǎn)的布局是合理的。 對(duì)于第四問(wèn)“分析北京空氣污染的主要成因和解決辦法”，本文以抽樣的方式，抽取每月1號(hào)、5號(hào)、10號(hào)、15號(hào)、20號(hào)、25號(hào)、30號(hào)，二月取28號(hào)的數(shù)據(jù)為樣本，統(tǒng)計(jì)北京2013年9月1日到2014年8月31日抽樣日期每天的23個(gè)檢測(cè)站點(diǎn)監(jiān)測(cè)到的當(dāng)日首要污染物為“顆粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“無(wú)”的監(jiān)測(cè)點(diǎn)個(gè)數(shù)，求出這84天各項(xiàng)指標(biāo)為首要污染物的頻率，比較頻率大小，得出北京空氣污染的主要?dú)怏w是顆粒物、臭氧、二氧化氮、一氧化碳，并據(jù)此提出解決辦法。 第五問(wèn)中，本文選取主成分神經(jīng)網(wǎng)絡(luò)模式識(shí)別的方法，對(duì)未來(lái)一周（9月6日至9月12日）的空氣狀況進(jìn)行預(yù)測(cè)。我們選擇預(yù)報(bào)下周空氣質(zhì)量的等級(jí)，使用的是MATLAB提供的模式識(shí)別工具箱。我們將空氣質(zhì)量看做六個(gè)模式：優(yōu)，良，輕度污染，中度污染，重度污染，嚴(yán)重污染；并將spss軟件求解出來(lái)的主成分與對(duì)應(yīng)的模式交給神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。訓(xùn)練好后用于預(yù)測(cè)。根據(jù)主成分分析的方法，對(duì)全部160個(gè)樣本的8個(gè)因子進(jìn)行分析。將數(shù)據(jù)導(dǎo)入spss，設(shè)置抽取系數(shù)為0.5，得到相關(guān)矩陣；然后由解釋總方差表格和成分矩陣找出spss提取的主成分，將八維數(shù)據(jù)降成五維數(shù)據(jù)；并將樣本轉(zhuǎn)化，用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；并把不同的空氣質(zhì)量等級(jí)二進(jìn)制化，得到訓(xùn)練結(jié)果后進(jìn)行預(yù)測(cè)。將要預(yù)測(cè)時(shí)間段的平均氣溫，最高氣溫，最低氣溫，大氣壓，相對(duì)濕度，相對(duì)風(fēng)速，水平能見(jiàn)度，降水量數(shù)據(jù)按照公式變?yōu)槲寰S數(shù)據(jù)并輸入網(wǎng)絡(luò)進(jìn)行求解，最終得到未來(lái)一個(gè)星期的空氣質(zhì)量為：重度污染，重度污染，優(yōu)，良，良，輕度污染，輕度污染。 第六問(wèn)，本文假設(shè)自己想從事相關(guān)商業(yè)活動(dòng)，給出了計(jì)劃及廣告詞。 關(guān)鍵詞：空氣質(zhì)量　　　　　?。粒眩伞　　　。校停玻怠　? 　　　　主成分神經(jīng)網(wǎng)絡(luò)　　　空氣污染　　?。校停保? 1 問(wèn)題重述 空氣與我們的生存是息息相關(guān)的，它直接參與人體的新陳代謝、物質(zhì)代謝和體溫調(diào)節(jié)等過(guò)程。一個(gè)人每天呼吸的空氣約為1萬(wàn)多升，折合質(zhì)量約為12.9?kg，約為每天所需食物和飲水量的10倍。?隨著現(xiàn)代工業(yè)和交通的迅猛發(fā)展，煙塵和汽車尾氣等的排放，超越了大氣的自凈界限，接踵而至的卻是一個(gè)十分嚴(yán)峻的問(wèn)題—大氣污染。對(duì)大氣污染影響較大的污染物有：硫氧化物、氮氧化物、碳?xì)浠衔?、碳氧化合物、粉塵等。大氣污染物對(duì)我們身體的影響是巨大的，而2013年以來(lái)日益頻發(fā)的霧霾天氣已經(jīng)嚴(yán)重影響到人們的日常生活。 “生態(tài)文明”是被列為當(dāng)前的一大重要議題，“我們將加強(qiáng)生態(tài)環(huán)境保護(hù)，扎實(shí)推進(jìn)資源節(jié)約，為人民創(chuàng)造良好生產(chǎn)生活環(huán)境，為應(yīng)對(duì)全球富氣候變化作出新的貢獻(xiàn)?！保?xí)近平的一系列講話為堅(jiān)持節(jié)約資源和保護(hù)環(huán)境基本國(guó)策，努力走向生態(tài)文明新時(shí)代賦予了新內(nèi)容，提出了新要求，彰顯出他對(duì)于生態(tài)文明領(lǐng)域建設(shè)的決心與魄力。 本文中，我們 （1）查找相關(guān)數(shù)據(jù)（包括近期連續(xù)數(shù)據(jù)及零星數(shù)據(jù)）； （2）分析北京空氣污染情況（時(shí)間、空間）； （3）分析北京空氣質(zhì)量監(jiān)測(cè)點(diǎn)的布局是否合理； （4) 分析北京空氣污染的主要成因及解決辦法； （5）對(duì)未來(lái)一周進(jìn)行預(yù)測(cè)； （6）假設(shè)自己想從事相關(guān)商業(yè)活動(dòng)，給出計(jì)劃及廣告詞。（不超過(guò)一頁(yè)） 2 問(wèn)題分析 對(duì)于第一問(wèn)“查找相關(guān)數(shù)據(jù)（包括近期連續(xù)數(shù)據(jù)及零星數(shù)據(jù)）”，我們認(rèn)為，由于空氣質(zhì)量指數(shù)（AQI）是2012年上半年才被出臺(tái)規(guī)定取代原有空氣污染指數(shù)（API）的，且參與空氣質(zhì)量評(píng)價(jià)的主要污染物為細(xì)顆粒物（PM2.5）、可吸入顆粒物（PM10）、二氧化硫、二氧化氮、臭氧、一氧化碳等六項(xiàng)。為方便后續(xù)幾問(wèn)的研究，我們收集了2013年至2014年8月每日的AQI、空氣質(zhì)量等級(jí)、PM2.5、PM10、SO2、NO2、CO這7項(xiàng)指標(biāo)的數(shù)據(jù)（即連續(xù)型數(shù)據(jù)）和2008年至2013年P(guān)M10、SO2、NO2、CO的年度平均指標(biāo)數(shù)據(jù)（即離散數(shù)據(jù)）。 第二問(wèn)中，本文從時(shí)間和空間兩個(gè)維度分析北京污染情況。從時(shí)間角度分析時(shí)，為保證充分利用數(shù)據(jù)，本文分別從污染物年濃度平均變化和持續(xù)污染日數(shù)和空氣質(zhì)量超標(biāo)日數(shù)年變化兩個(gè)層次對(duì)北京空氣質(zhì)量進(jìn)行了分析，從而歸納出北京空氣污染的年度特征。從空間角度分析時(shí)，本文根據(jù)北京市各區(qū)縣PM10、SO2、NO2、CO的年度平均數(shù)據(jù)，將各區(qū)縣各項(xiàng)指標(biāo)濃度反映在了北京的區(qū)域地圖上，繪制得各項(xiàng)指標(biāo)的濃度空間分布示意圖，同時(shí)將兩年數(shù)據(jù)求平均值并按照PM10降序排列，結(jié)合圖、表定量分析并得出結(jié)論。 第三文中，本文以各個(gè)監(jiān)測(cè)點(diǎn)為圓心，以各監(jiān)測(cè)點(diǎn)所能測(cè)得的準(zhǔn)確數(shù)據(jù)的最大距離為半徑作圓，根據(jù)所有圓是否將北京市全部覆蓋判斷空氣質(zhì)量監(jiān)測(cè)點(diǎn)的布局是否合理。最終本文得出結(jié)論：北京市空氣質(zhì)量監(jiān)測(cè)點(diǎn)的布局是合理的。 對(duì)于第四問(wèn)“分析北京空氣污染的主要成因和解決辦法”，本文以抽樣的方式，抽取每月1號(hào)、5號(hào)、10號(hào)、15號(hào)、20號(hào)、25號(hào)、30號(hào)，二月取28號(hào)的數(shù)據(jù)為樣本，統(tǒng)計(jì)北京2013年9月1日到2014年8月31日抽樣日期每天的23個(gè)檢測(cè)站點(diǎn)監(jiān)測(cè)到的當(dāng)日首要污染物為“顆粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“無(wú)”的監(jiān)測(cè)點(diǎn)個(gè)數(shù)，求出這84天各項(xiàng)指標(biāo)為首要污染物的頻率，比較頻率大小，得出北京空氣污染的主要?dú)怏w是顆粒物、臭氧、二氧化氮、一氧化碳，并據(jù)此提出解決辦法。 第五問(wèn)中，本文選取主成分神經(jīng)網(wǎng)絡(luò)模式識(shí)別的方法，對(duì)未來(lái)一周（9月6日至9月12日）的空氣狀況進(jìn)行預(yù)測(cè)。我們選擇預(yù)報(bào)下周空氣質(zhì)量的等級(jí)，使用的是MATLAB提供的模式識(shí)別工具箱。我們將空氣質(zhì)量看做六個(gè)模式：優(yōu)，良，輕度污染，中度污染，重度污染，嚴(yán)重污染；并將spss軟件求解出來(lái)的主成分與對(duì)應(yīng)的模式交給神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。訓(xùn)練好后用于預(yù)測(cè)。根據(jù)主成分分析的方法，對(duì)全部160個(gè)樣本的8個(gè)因子進(jìn)行分析。將數(shù)據(jù)導(dǎo)入spss，設(shè)置抽取系數(shù)為0.5，得到相關(guān)矩陣；然后由解釋總方差表格和成分矩陣找出spss提取的主成分，將八維數(shù)據(jù)降成五維數(shù)據(jù)；并將樣本轉(zhuǎn)化，用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；并把不同的空氣質(zhì)量等級(jí)二進(jìn)制化，得到訓(xùn)練結(jié)果后進(jìn)行預(yù)測(cè)。將要預(yù)測(cè)時(shí)間段的平均氣溫，最高氣溫，最低氣溫，大氣壓，相對(duì)濕度，相對(duì)風(fēng)速，水平能見(jiàn)度，降水量數(shù)據(jù)按照公式變?yōu)槲寰S數(shù)據(jù)并輸入網(wǎng)絡(luò)進(jìn)行求解，最終得到未來(lái)一個(gè)星期的空氣質(zhì)量為：重度污染，重度污染，優(yōu)，良，良，輕度污染，輕度污染。 第六問(wèn)，本文假設(shè)自己想從事相關(guān)商業(yè)活動(dòng)，給出了計(jì)劃及廣告詞。 3 假設(shè)與約定 假設(shè)： （１）假設(shè)預(yù)測(cè)時(shí)間段內(nèi)沒(méi)有發(fā)生重大的天氣異常； （２）假設(shè)預(yù)測(cè)時(shí)間段內(nèi)沒(méi)有污染源； （３）假設(shè)以pm2.5為空氣質(zhì)量等級(jí)劃分的標(biāo)準(zhǔn)為： 　　　ps:pm2.5 標(biāo)準(zhǔn) 　　　0-35 　　優(yōu) 　　　35-75 良 　　　75-115 輕度污染 　　　115-150 中度污染 　　　150-250 重度污染 　　　250- 　　嚴(yán)重污染 4 符號(hào)說(shuō)明 符號(hào) ＰＭ２．５ ＰＭ１０ ＡＱＩ 含義 細(xì)顆粒物 可吸入顆粒物 空氣質(zhì)量指數(shù) 5 模型建立與求解 5.1 問(wèn)題一 本題主要收集了北京市環(huán)境污染近期相關(guān)連續(xù)數(shù)據(jù)與離散數(shù)據(jù)。 由于空氣質(zhì)量指數(shù)（AQI）是2012年上半年才被出臺(tái)規(guī)定取代原有空氣污染指數(shù)（API）的，且參與空氣質(zhì)量評(píng)價(jià)的主要污染物為細(xì)顆粒物（PM2.5）、可吸入顆粒物（PM10）、二氧化硫、二氧化氮、臭氧、一氧化碳等六項(xiàng)。為方便后續(xù)幾問(wèn)的研究，我們收集了2013年至2014年8月每日的AQI、空氣質(zhì)量等級(jí)、PM2.5、PM10、SO2、NO2、CO這7項(xiàng)指標(biāo)的數(shù)據(jù)（即連續(xù)型數(shù)據(jù)）和2008年至2013年P(guān)M10、SO2、NO2、CO的年度平均指標(biāo)數(shù)據(jù)（即離散數(shù)據(jù)）。見(jiàn)附錄。 5.2 問(wèn)題二 本問(wèn)主要從時(shí)間和空間兩個(gè)維度分析北京空氣污染情況。 5.2.1 模型建立 （1）本題主要從時(shí)間和空間兩個(gè)維度分析北京空氣污染情況。 （2）從時(shí)間角度分析時(shí)，為保證充分利用數(shù)據(jù)，本文分別從污染物年濃度平均變化和持續(xù)污染日數(shù)和空氣質(zhì)量超標(biāo)日數(shù)年變化兩個(gè)層次對(duì)北京空氣質(zhì)量進(jìn)行了分析，從而歸納出北京空氣污染的年度特征。 （3）從空間角度分析時(shí)，本文根據(jù)北京市各區(qū)縣PM10、SO2、NO2、CO的年度平均數(shù)據(jù)，將各區(qū)縣各項(xiàng)指標(biāo)濃度反映在了北京的區(qū)域地圖上，繪制得各項(xiàng)指標(biāo)的濃度空間分布示意圖，同時(shí)將兩年數(shù)據(jù)求平均值并按照PM10降序排列，結(jié)合圖、表定量分析并得出結(jié)論。 5.2.2 模型求解 ５.２.２.１　時(shí)間特征 （1） 按污染物年濃度平均變化 本文分析了2008年至2013年P(guān)M10、CO、NO2、SO2的平均濃度變化，變化情況如下表： 時(shí)間 PM10 CO NO2 SO2 2008 122 1.4 49 36 2009 121 1.6 53 34 2010 121 1.5 57 32 2011 114 1.4 55 28 2012 109 1.4 52 28 2013 108.1 56 26.5 變化趨勢(shì)如下 由上表我們可以得出： 近年來(lái)，北京市NO2濃度處于緩慢上升趨勢(shì)；CO濃度與往年相比基本保持持平；PM10濃度略有下降；SO2年平均濃度處于下降趨勢(shì)。 （2） 按持續(xù)污染日數(shù)和空氣質(zhì)量超標(biāo)日數(shù)年變化 　　統(tǒng)計(jì)分析2001-2010年北京空氣質(zhì)量超標(biāo)日數(shù)和空氣持續(xù)污染日數(shù)年變化圖，我們可以看出： 　　2001年-2009年北京年空氣持續(xù)污染日數(shù)在年超標(biāo)日數(shù)中所占比例都在50%以上?？梢哉f(shuō)一半以上的空氣質(zhì)量超標(biāo)日都是持續(xù)污染日。近年來(lái)北京的年空氣質(zhì)量超標(biāo)日數(shù)和持續(xù)污染日數(shù)總體呈下降趨勢(shì)。但年持續(xù)污染日數(shù)在年超標(biāo)日數(shù)中所占的比例一直較大。 綜上，北京空氣污染年際變化特征如下： 　　污染物排放量的大力削減使北京市空氣質(zhì)量得到明顯改善，年空氣質(zhì)量超標(biāo)日數(shù)和持續(xù)污染日數(shù)總體也呈下降趨勢(shì)，但是持續(xù)污染對(duì)全年空氣質(zhì)量超標(biāo)日數(shù)貢獻(xiàn)依然較大，空氣質(zhì)量仍有待改善。 ５.２.２.２　空間特征 　　為了分析北京污染的空間分布情況，我們將2012與2013年的SO2，NO2，以及可吸入顆粒物的各區(qū)縣濃度反映在了北京的區(qū)域地圖上。 （1）2013年： 各區(qū)縣各項(xiàng)指標(biāo)年平均數(shù)據(jù) 區(qū)縣 PM2.5 SO2 NO2 PM10 東城區(qū) 93.6 26.8 58.0 109.6 西城區(qū) 91.7 28.8 59.6 112.5 朝陽(yáng)區(qū) 91.3 29.7 64.0 112.4 海淀區(qū) 98.1 26.9 63.6 115.0 豐臺(tái)區(qū) 96.9 28.1 57.5 118.5 石景山區(qū) 92.8 24.9 63.3 116.4 門頭溝區(qū) 91.1 24.6 51.8 114.8 房山區(qū) 106.8 31.2 61.9 131.7 通州區(qū) 105.7 38.6 55.8 123.5 順義區(qū) 84.8 20.8 44.8 98.5 大興區(qū) 107.8 33.7 65.7 130.3 昌平區(qū) 79.2 25.9 43.5 94.7 平谷區(qū) 84.8 20.6 35.0 98.7 懷柔區(qū) 76.1 22.3 37.9 95.3 密云縣 71.6 21.3 43.6 85.9 延慶縣 68.0 19.2 34.4 78.3 亦莊 104.9 33.6 57.5 123.2 空氣中可吸入顆粒物濃度空間分布示意圖 空氣中細(xì)顆粒物顆粒物濃度空間分布示意圖 空氣中二氧化氮濃度空間分布示意圖 空氣中二氧化硫濃度空間分布示意圖 （2）2012年： 各區(qū)縣各項(xiàng)指標(biāo)年平均數(shù)據(jù) 區(qū)縣 SO2 NO2 PM10 東城區(qū) 29 56 113 西城區(qū) 32 59 111 朝陽(yáng)區(qū) 29 60 114 海淀區(qū) 31 54 114 豐臺(tái)區(qū) 28 57 113 石景山區(qū) 24 55 124 門頭溝區(qū) 29 51 109 房山區(qū) 36 59 122 通州區(qū) 42 56 119 順義區(qū) 23 45 98 大興區(qū) 35 64 124 昌平區(qū) 29 40 97 平谷區(qū) 24 35 98 懷柔區(qū) 22 30 87 密云縣 29 40 85 延慶縣 26 39 82 亦莊 36 54 126 （3） 兩年數(shù)據(jù)平均值（按關(guān)鍵字PM10降序排列） 區(qū)縣 PM10 SO2 NO2 大興區(qū) 127.15 27.9 57 房山區(qū) 126.85 30.4 59.3 亦莊 124.6 29.35 62 通州區(qū) 121.25 28.95 58.8 石景山區(qū) 120.2 28.05 57.25 豐臺(tái)區(qū) 115.75 24.45 59.15 海淀區(qū) 114.5 26.8 51.4 朝陽(yáng)區(qū) 113.2 33.6 60.45 門頭溝區(qū) 111.9 40.3 55.9 西城區(qū) 111.75 21.9 44.9 東城區(qū) 111.3 34.35 64.85 平谷區(qū) 98.35 27.45 41.75 順義區(qū) 98.25 22.3 35 昌平區(qū) 95.85 22.15 33.95 懷柔區(qū) 91.15 25.15 41.8 密云縣 84.45 22.6 36.7 延慶縣 80.15 34.8 55.75 （4） 結(jié)合圖表定量分析 由上表易知2013年： （4.1） 按PM2.5值由大到小，各區(qū)縣排列為大興區(qū) > 房山區(qū) > 通州區(qū) > 亦莊 > 海淀區(qū) > 豐臺(tái)區(qū) > 東城區(qū) > 石景山區(qū) > 西城區(qū) > 朝陽(yáng)區(qū) > 門頭溝區(qū) > 平谷區(qū) > 順義區(qū) > 昌平區(qū) > 懷柔區(qū) > 密云縣 > 延慶縣，按此順序，各區(qū)縣空氣質(zhì)量愈好； （4.2） 各區(qū)縣的SO2、NO2、PM10取值及大小排序； 易知2012年各區(qū)縣的SO2、NO2、PM10取值及大小排序； 易知2013年和2012年各區(qū)縣的SO2、NO2、PM10平均取值及大小排序； 結(jié)合圖，根據(jù)各區(qū)縣的地理位置分布，我們得出結(jié)論： 　　北京市空氣質(zhì)量南北差異顯著。位于北部的生態(tài)涵養(yǎng)發(fā)展區(qū)空氣質(zhì)量?jī)?yōu)于其他區(qū)域。 5.3 問(wèn)題三 本題主要探討北京市環(huán)境質(zhì)量監(jiān)測(cè)點(diǎn)的布局是否合理。 模型建立及求解 ５.３.１環(huán)境空氣質(zhì)量評(píng)價(jià)城市點(diǎn)的定義： 以監(jiān)測(cè)城市建成區(qū)的空氣質(zhì)量整體狀況和變化趨勢(shì)為目的而設(shè)置的監(jiān)測(cè)點(diǎn)，參與城市環(huán)境空氣質(zhì)量評(píng)價(jià)。其設(shè)置的最少數(shù)量根據(jù)本標(biāo)準(zhǔn)由城市建成區(qū)面積和人口數(shù)量確定。每個(gè)環(huán)境空氣質(zhì)量評(píng)價(jià)城市點(diǎn)代表范圍一般為半徑500 米至4 千米，有時(shí)也可擴(kuò)大到半徑4 千米至幾十千米（如對(duì)于空氣污染物濃度較低，其空間變化較小的地區(qū)）的范圍。可簡(jiǎn)稱城市點(diǎn)。 ５. ３.２ 這是北京市環(huán)境監(jiān)測(cè)點(diǎn)的分布圖： 按照比例尺計(jì)算，距離最近的兩個(gè)監(jiān)測(cè)點(diǎn)的距離約為10公里。，這樣說(shuō)來(lái)就按照最保守的估計(jì)每一個(gè)監(jiān)測(cè)點(diǎn)的檢測(cè)半徑為5公里，則每一個(gè)監(jiān)測(cè)點(diǎn)的檢測(cè)的面積為78.5平方公里，市區(qū)10個(gè)監(jiān)測(cè)點(diǎn)總共為785平方公里，正好和市區(qū)的面積相仿。 所以，從面積上來(lái)說(shuō)，監(jiān)測(cè)點(diǎn)的分布是合理的。而對(duì)于其他的區(qū)來(lái)說(shuō)，位于郊區(qū)人口密度明顯比市區(qū)低許多，因而空氣質(zhì)量的變化不大，一個(gè)監(jiān)測(cè)點(diǎn)所能代表的范圍的半徑也有數(shù)十公里。 5.4 問(wèn)題四 本題主要探究北京空氣污染的主要成因，并提出解決辦法。 5.4.1 模型建立 （1）以抽樣的方式，抽取每月1號(hào)、5號(hào)、10號(hào)、15號(hào)、20號(hào)、25號(hào)、30號(hào)，二月取28號(hào)的數(shù)據(jù)為樣本，統(tǒng)計(jì)北京2013年9月1日到2014年8月31日抽樣日期每天的23個(gè)檢測(cè)站點(diǎn)監(jiān)測(cè)到的當(dāng)日首要污染物為“顆粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“無(wú)”的監(jiān)測(cè)點(diǎn)個(gè)數(shù)。 （2）求出這84天“顆粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“無(wú)”為首要污染物的頻率。 （3）比較污染成分為首要污染物的出現(xiàn)頻率，隨即便可得出北京空氣污染的主要成因，并據(jù)此提出解決辦法。 5.4.2 模型求解 （1） 統(tǒng)計(jì)北京2013年9月1日到2014年8月31日抽樣日期每天的23個(gè)檢測(cè)站點(diǎn)監(jiān)測(cè)到的當(dāng)日首要污染物為“顆粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“無(wú)”的監(jiān)測(cè)點(diǎn)個(gè)數(shù)。 統(tǒng)計(jì)結(jié)果見(jiàn)下表： 序號(hào) 顆粒物 臭氧 二氧化氮 二氧化硫 一氧化碳 無(wú) 合計(jì) 1 23 0 0 0 0 0 23 2 0 21 1 0 0 1 23 3 0 23 0 0 0 0 23 4 0 23 0 0 0 0 23 5 0 21 0 0 0 0 21 6 1 14 3 0 0 5 23 7 23 0 0 0 0 0 23 8 7 16 0 0 0 0 23 9 22 1 0 0 0 0 23 10 0 23 0 0 0 0 23 11 0 23 0 0 0 0 23 12 1 22 0 0 0 0 23 13 1 22 0 0 0 0 23 14 22 1 0 0 0 0 23 15 0 23 0 0 0 0 23 16 0 23 0 0 0 0 23 17 20 2 0 0 0 1 23 18 4 19 0 0 0 0 23 19 0 23 0 0 0 0 23 20 23 0 0 0 0 0 23 21 0 23 0 0 0 0 23 22 22 1 0 0 0 0 23 23 4 12 8 0 0 1 25 24 16 2 5 0 0 0 23 25 23 0 0 0 0 0 23 26 14 9 0 0 0 0 23 27 23 0 0 0 0 0 23 28 0 22 0 0 0 1 23 29 23 0 0 0 0 0 23 30 19 3 0 0 0 1 23 31 23 0 0 0 0 0 23 32 22 0 1 0 0 0 23 33 20 1 2 0 0 0 23 34 23 0 0 0 0 0 23 35 13 10 0 0 0 0 23 36 23 0 0 0 0 1 24 37 4 0 9 0 0 10 23 38 22 0 0 0 0 1 23 39 22 0 1 0 0 0 23 40 2 5 1 0 0 15 23 41 23 0 0 0 0 0 23 42 9 3 11 0 0 0 23 43 23 0 0 0 0 0 23 44 23 0 0 0 0 0 23 45 3 0 6 1 0 13 23 46 23 0 0 0 0 0 23 47 23 0 0 0 0 0 23 48 23 0 0 0 0 0 23 49 23 0 0 0 0 0 23 50 19 0 4 0 0 0 23 51 23 0 0 0 0 0 23 52 18 0 5 0 0 0 23 53 22 0 1 0 0 0 23 54 2 0 0 0 0 21 23 55 8 0 7 0 1 8 24 56 23 0 0 0 0 0 23 57 21 0 2 0 0 0 23 58 13 0 5 0 0 5 23 59 14 0 0 0 1 8 23 60 15 0 6 0 0 2 23 61 11 0 8 0 0 4 23 62 23 0 0 0 0 0 23 63 19 0 4 0 0 0 23 64 23 0 0 0 0 0 23 65 23 0 0 0 0 0 23 66 7 16 0 0 0 0 23 67 22 0 1 0 0 0 23 68 19 0 2 0 0 2 23 69 0 0 0 0 0 23 23 70 10 0 7 0 0 6 23 71 23 0 0 0 0 0 23 72 23 0 0 0 0 0 23 73 23 0 0 0 0 0 23 74 2 0 13 0 0 8 23 75 3 0 15 0 0 5 23 76 6 0 16 0 0 1 23 77 20 0 3 0 0 0 23 78 0 20 0 0 0 3 23 79 0 12 0 0 0 11 23 80 18 0 2 0 0 3 23 81 6 0 13 0 0 4 23 82 12 0 4 0 0 7 23 83 3 0 12 0 0 8 23 84 21 0 0 0 0 2 23 合計(jì) 1133 439 178 1 2 181 1934 （2） 求出這84天“顆粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“無(wú)”為首要污染物的頻率。 結(jié)果如下表： 名稱 顆粒物 臭氧 二氧化氮 二氧化硫 一氧化碳 無(wú) 合計(jì) 頻率 0.5858 0.2270 0.0920 0.0005 0.0010 0.0936 1 （4） 由上表比較污染成分為首要污染物的出現(xiàn)頻率，有 P（顆粒物）> P（臭氧）> P（無(wú)）> P（二氧化氮）> P（一氧化碳）> P（二氧化硫），易知：空氣污染主要成分為顆粒物、臭氧、二氧化氮、一氧化碳。 （5） 通過(guò)上網(wǎng)查閱資料我們了解到，一些顆粒物來(lái)自污染源的直接排放，比如煙囪與車輛。另一些則是由環(huán)境空氣中硫的氧化物、氮氧化物、揮發(fā)性有機(jī)化合物及其它化合物互相作用形成的細(xì)小顆粒物，可吸入顆粒物通常來(lái)自在未鋪瀝青、水泥的路面上行使的機(jī)動(dòng)車、材料的破碎碾磨處理過(guò)程以及被風(fēng)揚(yáng)起的塵土。而NO2主要是是汽車尾氣產(chǎn)生的污染物，凡含碳的物質(zhì)燃燒不完全時(shí)，都可產(chǎn)生CO氣體，如冶金工業(yè)中煉焦、煉鐵、鍛冶、鑄造和熱處理的生產(chǎn)。以上這些都是產(chǎn)生上述污染氣體的原因。故我們提出下列建議： 外出時(shí)盡量多坐公交； 發(fā)展科技，開發(fā)新型綠色能源，減少人類對(duì)化石燃料的依賴 ； 冶金工業(yè)中煉焦、煉鐵、鍛冶、鑄造和熱處理等生產(chǎn)盡量鼓足氧氣，保證燃料完全燃燒，減少不完全燃燒產(chǎn)生的CO等污染氣體； 加強(qiáng)公眾環(huán)保宣傳教育，植樹造林等。 5.5 問(wèn)題五 本題對(duì)未來(lái)一周（9月6日至9月12日）的空氣狀況進(jìn)行預(yù)測(cè)。 考慮到平時(shí)人們只是關(guān)心空氣的大致情況，最常見(jiàn)就是空氣的質(zhì)量等級(jí)，例如，優(yōu)良中差等。因此，在預(yù)測(cè)下周空氣質(zhì)量的時(shí)候，我們不采用預(yù)報(bào)具體數(shù)值的方式而是預(yù)報(bào)下周空氣質(zhì)量的等級(jí)。 在這一問(wèn)中，我們選取主成分神經(jīng)網(wǎng)絡(luò)模式識(shí)別的方法。使用的是MATLAB提供的模式識(shí)別工具箱。我們將空氣質(zhì)量看做六個(gè)模式：優(yōu)，良，輕度污染，中度污染，重度污染，嚴(yán)重污染；并將spss軟件求解出來(lái)的主成分與對(duì)應(yīng)的模式交給神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。訓(xùn)練好后用于預(yù)測(cè)。 5.5.1 預(yù)報(bào)建模的基本原理和方法 （1）資料的選取 取北京環(huán)境觀測(cè)站2008到2012年每年8月5號(hào)到九月五號(hào)的基本天氣數(shù)據(jù)，數(shù)據(jù)包括以下幾項(xiàng)：平均氣溫，最高氣溫，最低氣溫，大氣壓，相對(duì)濕度，相對(duì)風(fēng)速，水平能見(jiàn)度，降水量，以及當(dāng)天pm2.5的平均值。共160個(gè)樣本。 （2）主成分分析的方法 主成分分析的方法是利用降維的思想，把相關(guān)的多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)不相關(guān)的綜合指標(biāo)的一種多元統(tǒng)計(jì)分析方法。該方法被廣泛用于大氣科的預(yù)報(bào)和分析研究工作中。 設(shè)某一預(yù)報(bào)對(duì)象有n個(gè)預(yù)報(bào)因子，,可以通過(guò)主成分分析方法構(gòu)造n個(gè)新的綜合因子變量，每個(gè)新的綜合因子變量是原因子變量的線性組合。新的因子變量之間是相互正交的，及各個(gè)因子之間的相關(guān)系數(shù)為0，各個(gè)新的綜合因子變量的特征值明確表示了它對(duì)原因子組的貢獻(xiàn)大小。 將主成分分析得到的新的綜合因子變量用于構(gòu)造神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)矩陣,可以很直觀地去掉特征值較小的對(duì)應(yīng)的成分。因?yàn)檫@些主成分幾乎沒(méi)有包含原變量的信息, 只保留特征量相對(duì)較大的且與預(yù)報(bào)量相關(guān)程度高的主成分, 降維作用直觀顯著。一般前幾個(gè)主成分具有更大的方差貢獻(xiàn)且與預(yù)報(bào)量相關(guān)較好, 由于主成分間是正交的, 所以最后確定的幾個(gè)特征值大且與預(yù)報(bào)量相關(guān)程度高的主成分所構(gòu)成的學(xué)習(xí)矩陣, 不會(huì)有多余的重復(fù)信息和噪音聲影響。 （3）人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)是一個(gè)可自動(dòng)提取一組預(yù)報(bào)變量和另一組自變量之間非線性關(guān)系的數(shù)據(jù)處理系統(tǒng)。該網(wǎng)絡(luò)的建立過(guò)程稱為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，是用自適應(yīng)算法遞歸迭代求解因變量與自變量之間的非線性關(guān)系。訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型可以用來(lái)估計(jì)或預(yù)報(bào)預(yù)測(cè)變量。 在本文中我們使用的是MATLAB提供的模式識(shí)別工具箱。我們將空氣質(zhì)量看做六個(gè)模式：優(yōu)，良，輕度污染，中度污染，重度污染，嚴(yán)重污染。我們將spss軟件求解出來(lái)的主成分與對(duì)應(yīng)的模式交給神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。訓(xùn)練好后用于預(yù)測(cè)。 5.5.2 預(yù)報(bào)模型的建立 （1） 根據(jù)主成分分析的方法，對(duì)全部160個(gè)樣本的8個(gè)因子進(jìn)行分析。將數(shù)據(jù)導(dǎo)入spss，設(shè)置抽取系數(shù)為0.5，得到相關(guān)矩陣； （2） 由解釋總方差表格和成分矩陣找出ＳＰＳＳ提取的主成分，將數(shù)據(jù)降維； （3） 將樣本轉(zhuǎn)化，用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；并把不同的空氣質(zhì)量等級(jí)二進(jìn)制化，得到訓(xùn)練結(jié)果后即可進(jìn)行預(yù)測(cè)。 ５. ５.３　模型求解 （１）根據(jù)主成分分析的方法，對(duì)全部160個(gè)樣本的8個(gè)因子進(jìn)行分析。將數(shù)據(jù)導(dǎo)入spss，設(shè)置抽取系數(shù)為0.5，可得到如下的結(jié)果： 相關(guān)矩陣 平均溫度 最高溫度 最低溫度 大氣壓 相對(duì)濕度 風(fēng)速 能見(jiàn)度 降水量 相關(guān) 平均溫度 1.000 .863 .806 -.575 -.123 -.082 -.206 -.225 最高溫度 .863 1.000 .451 -.450 -.380 .027 .072 -.291 最低溫度 .806 .451 1.000 -.508 .193 -.121 -.417 -.094 大氣壓 -.575 -.450 -.508 1.000 -.218 .066 .262 -.031 相對(duì)濕度 -.123 -.380 .193 -.218 1.000 -.375 -.764 .336 風(fēng)速 -.082 .027 -.121 .066 -.375 1.000 .305 .015 能見(jiàn)度 -.206 .072 -.417 .262 -.764 .305 1.000 -.068 降水量 -.225 -.291 -.094 -.031 .336 .015 -.068 1.000 Sig.（單側(cè)） 平均溫度 .000 .000 .000 .060 .151 .004 .002 最高溫度 .000 .000 .000 .000 .370 .184 .000 最低溫度 .000 .000 .000 .007 .063 .000 .117 大氣壓 .000 .000 .000 .003 .202 .000 .349 相對(duì)濕度 .060 .000 .007 .003 .000 .000 .000 風(fēng)速 .151 .370 .063 .202 .000 .000 .425 能見(jiàn)度 .004 .184 .000 .000 .000 .000 .197 降水量 .002 .000 .117 .349 .000 .425 .197 （２）從spss提供的相關(guān)矩陣可以看出平均氣溫和最高氣溫，最低氣溫具有高度的相關(guān)性。而其他的因子具有比較強(qiáng)的獨(dú)立性。 有如圖所示的解釋總方差表格我們可以得知spss抽取了5個(gè)主成分。一共可以表示93.963%的原始信息。 解釋的總方差 成份 初始特征值 提取平方和載入 合計(jì) 方差的 % 累積 % 合計(jì) 方差的 % 累積 % 1 3.001 37.514 37.514 3.001 37.514 37.514 2 2.259 28.241 65.755 2.259 28.241 65.755 3 1.010 12.630 78.385 1.010 12.630 78.385 4 .729 9.118 87.502 .729 9.118 87.502 5 .517 6.461 93.963 .517 6.461 93.963 6 .337 4.210 98.174 7 .126 1.577 99.751 8 .020 .249 100.000 提取方法：主成份分析。 由上表和如下的成分矩陣可以得到如下的公式 成份矩陣a 成份 1 2 3 4 5 平均溫度 .948 .236 .024 .053 .167 最高溫度 .757 .517 .005 .169 .027 最低溫度 .856 -.123 .060 -.142 .312 大氣壓 -.729 .117 -.324 -.099 .567 相對(duì)濕度 .117 -.945 .026 -.111 -.085 風(fēng)速 -.191 .476 .608 -.602 -.001 能見(jiàn)度 -.411 .769 .119 .341 -.071 降水量 -.213 -.443 .719 .421 .240 提取方法 :主成份。 a. 已提取了 5 個(gè)成份。 這樣我們就把原始的八維數(shù)據(jù)轉(zhuǎn)化為了五維數(shù)據(jù)。 （３）將所有的160個(gè)樣本進(jìn)行轉(zhuǎn)化。用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。并把不同的空氣質(zhì)量等級(jí)二進(jìn)制化（即用二進(jìn)制表示）： 優(yōu)：100000 良：010000 輕度污染：001000 中度污染：000100 重度污染：000010 嚴(yán)重污染：000001 訓(xùn)練的結(jié)果如下： 下圖中綠色的對(duì)角線數(shù)值相加得到總的正確率，訓(xùn)練數(shù)據(jù)正確率為88.1%，測(cè)試數(shù)據(jù)的正確率為88.9%，符合要求。 　　模式識(shí)別網(wǎng)絡(luò)的另一個(gè)重要參數(shù)是ROC圖像，圖像的曲線越靠近左上角的點(diǎn)越好，可以看到我們訓(xùn)練的網(wǎng)絡(luò)也符合要求。 模型對(duì)比 　　為了證明主成分神經(jīng)網(wǎng)絡(luò)識(shí)別模型的優(yōu)越性，我們同時(shí)做了直接使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的分析。 　　可以從下圖看到，不經(jīng)過(guò)主成分分析方法的預(yù)測(cè)模型的準(zhǔn)確率只有50%左右，大大低于改進(jìn)后的方法。 　　同樣，觀察ROC圖像，明顯可以看出改進(jìn)后的方法性能得到了明顯的提升。 （４）模型預(yù)測(cè) 　　將要預(yù)測(cè)時(shí)間段的平均氣溫，最高氣溫，最低氣溫，大氣壓，相對(duì)濕度，相對(duì)風(fēng)速，水平能見(jiàn)度，降水量數(shù)據(jù)按照公式變?yōu)槲寰S數(shù)據(jù)并輸入網(wǎng)絡(luò)進(jìn)行求解，可得以下結(jié)果： 000010 000010 100000 010000 010000 001000 001000 即未來(lái)一個(gè)星期的空氣質(zhì)量為：重度污染，重度污染，優(yōu)，良，良，輕度污染，輕度污染。 5.6 問(wèn)題六 本題假設(shè)自己想從事相關(guān)商業(yè)活動(dòng)，讓我們給出計(jì)劃及廣告詞。 模型建立與求解 5.6.1 商業(yè)計(jì)劃（以能源企業(yè)為例） 目標(biāo)：在保證自己的商業(yè)利益的情況下，對(duì)大氣造成最少的污染 計(jì)劃： （1）將工廠布置于最小風(fēng)頻的上風(fēng)向，比如延慶縣，如圖所示是北京市的風(fēng)玫瑰圖，將重污染工廠布局在最小風(fēng)頻的上風(fēng)向可以在保證經(jīng)濟(jì)利益的情況下對(duì)人 口稠密地區(qū)的空氣質(zhì)量造成的影響最小。 （2）改良生產(chǎn)技術(shù)，比如產(chǎn)生的廢氣可以多次利用，這樣既減少了原料的浪費(fèi)增加了效益有減少了大氣污染。比如可以研發(fā)新型催化劑，使得一些石化企業(yè)產(chǎn)生的廢氣中的一氧化碳可以催化成二氧化碳在排放，二氧化硫等污染物可以通過(guò)一系列化工手段回收成硫酸等，減少向空氣中排放。 （3）在效益和技術(shù)允許的情況下，調(diào)整能源結(jié)構(gòu)，盡量減少化石燃料等的提煉，盡量發(fā)展太陽(yáng)能，風(fēng)能等清潔能源，可以循環(huán)利用又不會(huì)污染環(huán)境。 （4）適當(dāng)提高一些高耗能企業(yè)的耗能成本，比如提高電價(jià)等等，這樣會(huì)促使企業(yè)產(chǎn)生節(jié)能意識(shí)。而保證正常發(fā)展的低耗能又間接減輕了大氣污染。 5.6.2 廣告語(yǔ) 新鮮的PM2.5，新鮮的汽車尾氣，新鮮的工廠廢氣，新鮮的潔凈空氣，選擇，就在你我。 ６　模型檢驗(yàn)與評(píng)價(jià) 　　 6.1 模型對(duì)比（優(yōu)勢(shì)） 　　為了證明主成分神經(jīng)網(wǎng)絡(luò)識(shí)別模型的優(yōu)越性，我們同時(shí)做了直接使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的分析。 　　可以從下圖看到，不經(jīng)過(guò)主成分分析方法的預(yù)測(cè)模型的準(zhǔn)確率只有50%左右，大大低于改進(jìn)后的方法。 同樣，觀察ROC圖像，明顯可以看出改進(jìn)后的方法性能得到了明顯的提升。 6.2 不足 由于2012年起才用AQI代替API，故本文涉及到AQI的數(shù)據(jù)都是2012年或2013年至今的，導(dǎo)致數(shù)據(jù)量在某種程度上比較少。 　　　　　　　　　　 31 　　　　　　　　　　參考文獻(xiàn) ［１］２００９年北京市環(huán)境狀況公報(bào) ［２］２０１０年北京市環(huán)境狀況公報(bào) ［３］２０１１年北京市環(huán)境狀況公報(bào) ［４］２０１２年北京市環(huán)境狀況公報(bào) ［５］２０１３年北京市環(huán)境狀況公報(bào) ［６］黃海洪 孫崇智?。樱希矟舛戎鞒煞稚窠?jīng)網(wǎng)絡(luò)預(yù)報(bào)方案初探　 (廣西 氣象臺(tái) , 南寧 5300 22 ) ［７］環(huán)境空氣質(zhì)量監(jiān)測(cè)點(diǎn)位布設(shè)技術(shù)規(guī)范　HJ 664—2013 ［８］王郁　侯青?。玻埃埃埃玻埃保澳瓯本┛諝獬掷m(xù)污染特征研究［Ｊ］．高原氣象．２０１２.３１（６）：１６７５－１６８１ ［９］　http://www.stats.gov.cn/tjsj/ndsj/　?。玻埃保矗梗? ［１０］http://data.stats.gov.cn/search/keywordlist2?keyword=%E5%8C%97%E4%BA%AC%20SO2 ［１１］每日空氣質(zhì)量指數(shù)　http://www.tianqihoubao.com/aqi/beijing-201404.html?。玻埃保矗梗? ［１２］　SO2 2000到2009年排放量　　　２０１４／９／７　　http://www.bjstats.gov.cn/sjtjr/szbj/201009/t20100913_184701.htm ［１３］　北緯３０度　實(shí)時(shí)天氣查詢　http://www.aqistudy.cn/?。玻埃保矗梗? ［１４］SO2 2004-2012年排放量（噸） http://data.stats.gov.cn/search/keywordlist2?keyword=%E5%8C%97%E4%BA%AC%202003%20SO2?。玻埃保矗梗? 附錄 表１：2013１１月年至2014年8月日污染指標(biāo)數(shù)據(jù) 日期 AQI指數(shù) 質(zhì)量等級(jí) PM2.5 PM10 Co No2 So2 2013/12/1 56 良 60 77 1.7 56 34 2013/12/2 109 輕度污染 98 123 2.53 75 53 2013/12/3 113 輕度污染 65 88 1.58 54 38 2013/12/4 99 良 83 101 2.04 62 42 2013/12/5 83 良 39 55 1.17 38 30 2013/12/6 93 良 125 158 2.46 77 49 2013/12/7 233 重度污染 248 292 4.34 100 63 2013/12/8 341 嚴(yán)重污染 179 192 3.01 61 48 2013/12/9 97 良 11 16 0.59 21 9 2013/12/10 36 優(yōu) 20 44 0.96 29 14 2013/12/11 33 優(yōu) 19 29 0.74 29 14 2013/12/12 36 優(yōu) 15 28 0.75 24 10 2013/12/13 41 優(yōu) 47 63 1.3 45 29 2013/12/14 64 良 40 47 1.18 40 29 2013/12/15 61 良 47 55 1.52 49 31 2013/12/16 92 良 104 127 2.55 71 59 2013/12/17 137 輕度污染 58 45 1.34 38 35 2013/12/18 32 優(yōu) 27 41 0.81 30 22 2013/12/19 49 優(yōu) 45 59 1.22 49 29 2013/12/20 63 良 30 46 1.1 46 28 2013/12/21 50 優(yōu) 64 84 1.64 69 44 2013/12/22 132 輕度污染 134 177 2.74 95 67 2013/12/23 199 中度污染 126 165 2.87 90 61 2013/12/24 202 重度污染 221 268 4.85 123 95 2013/12/25 278 嚴(yán)重污染 166 216 3.2 92 64 2013/12/26 91 良 9 19 0.4 20 8 2013/12/27 24 優(yōu) 16 21 0.59 34 19 2013/12/28 39 優(yōu) 11 19 0.38 22 11 2013/12/29 58 良 57 86 1.73 75 47 2013/12/30 74 良 41 83 1.06 51 27 2013/12/31 93 良 51 149 1.27 49 23 日期 AQI指數(shù) 質(zhì)量等級(jí) PM2.5 PM10 Co No2 So2 2013/11/1 231 重度污染 181 202 1.89 100 14 2013/11/2 294 嚴(yán)重污染 243 253 2.14 104 11 2013/11/3 80 良 53 82 0.82 45 5 2013/11/4 57 良 36 60 0.87 54 9 2013/11/5 184 中度污染 143 188 2.06 95 23 2013/11/6 189 中度污染 91 135 1.47 55 9 2013/11/7 59 良 32 55 0.35 42 9 2013/11/8 106 輕度污染 124 160 2.23 93 50 2013/11/9 178 中度污染 89 114 1.58 65 39 2013/11/10 53 良 16 39 0.45 27 8 2013/11/11 47 優(yōu) 32 56 0.75 49 17 2013/11/12 77 良 55 81 1.36 58 21 2013/11/13 114 輕度污染 149 180 2.76 97 48 2013/11/14 170 中度污染 66 103 1.31 55 19 2013/11/15 95 良 92 167 2.12 81 27 2013/11/16 109 輕度污染 40 92 0.76 30 11 2013/11/17 33 優(yōu) 9 21 0.46 20 6 2013/11/18 19 優(yōu) 8 16 0.42 18 6 2013/11/19 22 優(yōu) 30 41 0.77 37 16 2013/11/20 74 良 59 76 1.65 54 23 2013/11/21 92 良 89 103 1.93 69 34 2013/11/22 134 輕度污染 126 130 2.28 83 45 2013/11/23 212 重度污染 173 158 2.9 96 56 2013/11/24 169 中度污染 70 130 1.18 41 24 2013/11/25 59 良 14 26 0.54 22 8 2013/11/26 37 優(yōu) 16 46 0.75 21 9 2013/11/27 42 優(yōu) 6 34 0.38 6 2 2013/11/28 31 優(yōu) 16 32 0.68 23 11 2013/11/29 56 良 56 71 1.69 57 30 2013/11/30 70 良 34 49 1.01 41 26 日期 AQI指數(shù)