基于多元回歸分析的PM2.5預(yù)測(cè)研究

摘 要：PM2.5對(duì)人體健康和大氣環(huán)境質(zhì)量的影響眾所周知，分析、預(yù)測(cè)PM2.5濃度對(duì)污染天氣防治與干預(yù)有著非常重要的作用。利用灰色關(guān)聯(lián)度、多元回歸分析等方法對(duì)全國(guó)各大城市空氣質(zhì)量進(jìn)行了研究，分析了影響PM2.5濃度的主要因素并進(jìn)行了影響程度排序，構(gòu)建了PM2.5預(yù)測(cè)模型并進(jìn)行了預(yù)測(cè)實(shí)踐，為我國(guó)環(huán)境空氣質(zhì)量預(yù)報(bào)和污染天氣防治干預(yù)提供了有效的決策信息。

關(guān)鍵詞：PM2.5; 預(yù)測(cè); 灰色關(guān)聯(lián)度; 多元回歸分析

中圖分類號(hào)： TP399;O141.4

文獻(xiàn)標(biāo)志碼： A

Abstract：PM2.5 is well known for its impact on human health and air quality， and the prediction of PM2.5 concentration plays a very important role in the prevention and intervention of pollution weather. The paper studies air quality of major cities across the country by grey relational degree and multiple regression analysis， combs the main influencing factors of PM2.5 concentration， constructs a PM2.5 prediction model and performs a predictive analysis. The research results provide effective decision-making information for prevention and intervention of pollution weather.

Key words：PM2.5; Prediction; Grey relational degree; ?Multiple regression analysis

0 引言

PM2.5是指大氣中直徑小于或等于2.5微米的顆粒物，也稱為可入肺顆粒物。PM2.5粒徑小，富含大量的有毒、有害物質(zhì)且在大氣中的停留時(shí)間長(zhǎng)[1]、輸送距離遠(yuǎn)，因而對(duì)大氣環(huán)境質(zhì)量和人體健康有著非常重要的影響[2-3]。隨著人們生活質(zhì)量水平的不斷提高，人們對(duì)空氣質(zhì)量狀況及自身健康狀況的重視程度日益增強(qiáng)，環(huán)境空氣質(zhì)量問題成了公眾最為關(guān)注的熱點(diǎn)問題[4-5]。PM2.5作為衡量空氣質(zhì)量狀況的重要指標(biāo)，越來越多的人開始關(guān)注并進(jìn)行研究[6]。從研究?jī)?nèi)容上看，側(cè)重于PM2.5影響因素分析，而對(duì)PM2.5的預(yù)測(cè)分析較少涉及。隨著政府部門相關(guān)環(huán)境政策的相繼出臺(tái)，人們對(duì)環(huán)境空氣質(zhì)量預(yù)報(bào)的精準(zhǔn)度要求愈來愈高，政府相關(guān)部門需要根據(jù)預(yù)報(bào)情況做出相應(yīng)判斷、采取相應(yīng)干預(yù)措施[7-8]。

根據(jù)相關(guān)研究[9-10]，空氣重污染形成受氣象、污染物排放及地理?xiàng)l件等因素影響。地理?xiàng)l件影響不可避免。就某一地區(qū)而言，氣象條件及污染物排放是影響其PM2.5濃度的主要因素[11]。利用灰色關(guān)聯(lián)度、多元回歸分析等方法對(duì)空氣質(zhì)量進(jìn)行研究、預(yù)測(cè)，定性定量分析污染程度及污染規(guī)律，為環(huán)境空氣質(zhì)量預(yù)報(bào)和污染天氣防治干預(yù)提供更為有效的決策信息。

1 模型準(zhǔn)備

1.1 數(shù)據(jù)資料來源

觀測(cè)數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒-2018》，包括PM2.5平均濃度，氣象數(shù)據(jù)（降水量、平均氣溫、平均相對(duì)濕度），污染物排放量（工業(yè)二氧化硫排放量、工業(yè)氮氧化物排放量、工業(yè)煙（粉）塵排放量、生活二氧化硫排放量、生活氮氧化物排放量、生活煙塵排放量）。

1.2 研究方法

運(yùn)用灰色關(guān)聯(lián)度對(duì)PM2.5平均濃度和氣象指標(biāo)、工業(yè)污染物排放量、生活污染物排放量進(jìn)行關(guān)聯(lián)分析，得到各類因素對(duì)PM2.5平均濃度的影響結(jié)果，從而篩選出主要影響因素。對(duì)于主要影響因素，根據(jù)已知數(shù)據(jù)，通過多元回歸的方法建立PM2.5濃度預(yù)測(cè)模型，并對(duì)PM2.5進(jìn)行預(yù)測(cè)分析。

2 PM2.5影響因素分析

根據(jù)參考文獻(xiàn)[12]，采用灰色絕對(duì)關(guān)聯(lián)度、灰色相對(duì)關(guān)聯(lián)度以及灰色歸一關(guān)聯(lián)度方法對(duì)PM2.5平均濃度及各類影響因素進(jìn)行關(guān)聯(lián)分析，分析結(jié)果見表1、表2、表3所示。

從預(yù)測(cè)結(jié)果可以看出：所測(cè)30個(gè)城市中，有26個(gè)城市預(yù)測(cè)值與實(shí)際值相對(duì)誤差小于0.05，僅有4個(gè)城市預(yù)測(cè)值與實(shí)際值相對(duì)誤差介于0.05與0.10之間，預(yù)測(cè)結(jié)果較為真實(shí)，模型可信度高。

5 總結(jié)

本研究?jī)H考慮氣象因素、工業(yè)污染物排放量及生活污染物排放量建立全國(guó)各大城市PM2.5平均濃度預(yù)測(cè)模型，預(yù)測(cè)值與實(shí)際值之間保持了高度的一致性。模型精準(zhǔn)度高、可靠性強(qiáng)，可作為各大城市預(yù)估PM2.5年平均濃度的依據(jù)和參考。研究發(fā)現(xiàn)，生活污染物是大氣的主要污染源之一，就某一個(gè)地方而言，生活氮氧化物是影響PM2.5濃度的最主要因素[13]，各地區(qū)應(yīng)繼續(xù)加大污染治理的力度，拆除低噸位燃煤鍋爐，強(qiáng)制治理汽車尾氣[14-15]，切實(shí)降低生活氮氧化物排放量，提升空氣質(zhì)量。

參考文獻(xiàn)

[1] 黃紹祥，高明.典型污染天氣下PM2.5和PM10成因分析[J].環(huán)境科學(xué)導(dǎo)刊，2019（38）：48-50.

[2] 艾瑞瑞.氣象條件與環(huán)境污染對(duì)PM2.5濃度的影響[J].環(huán)境與發(fā)展，2018（12）：57-59.

[3] 桑會(huì)勇，李爽，魏英策，等.京津冀地區(qū)PM2.5/PM10濃度時(shí)空分布監(jiān)測(cè)與分析[J].測(cè)繪科學(xué)，2019（4）：1-10.

[4] 王娟.基于MATLAB的全國(guó)各大城市空氣質(zhì)量指數(shù)研究[J].自動(dòng)化與儀器儀表，2017（6）：8-9.

[5] 肖璐，郎藝超，夏浪，登.基于多源數(shù)據(jù)的PM2.5濃度時(shí)空分布預(yù)測(cè)與制圖[J].環(huán)境科學(xué)，2017（12）：4913-4923.

[6] 王德冬，秦聰.區(qū)域PM2.5時(shí)空回歸建模與預(yù)測(cè)[J].中國(guó)環(huán)境監(jiān)測(cè)，2019（10）：107-113.

[7] 張?zhí)旌?，王繼康，張恒德，等. 一種最優(yōu)多模式集成方法在我國(guó)重污染區(qū)域 PM2.5濃度預(yù)報(bào)中的應(yīng)用[J].環(huán)境工程技術(shù)學(xué)報(bào)，2019（5）：520-530.

[8] 劉文軍，鄭國(guó)義，田學(xué)，等.西安市PM2.5相關(guān)因素多元回歸分析模型[J].經(jīng)濟(jì)數(shù)學(xué)，2015（1）：89-92.

[9] 潘錦秀，晏平仲，孫峰，等.多元線性回歸方法對(duì)北京地區(qū)PM2.5預(yù)報(bào)的改進(jìn)應(yīng)用[J] .中國(guó)環(huán)境監(jiān)測(cè)，2019（4）：43-52.

[10] 葉莉，李欣廣.空氣質(zhì)量對(duì)我國(guó)入境旅游收入的影響[J] .統(tǒng)計(jì)與決策，2019（8）：101-104.

[11] 彭穎蓓，劉國(guó)彬，田霄，等. 典型城市PM2.5的污染特征、來源及影響因素分析[J]. 環(huán)境工程，2019（37）：166-169.

[12] 吳鵬. MATLAB高效編程技巧與應(yīng)用：25個(gè)案例分析[M] .北京：北京航空航天大學(xué)出版社，2010.

[13] 賈春光.深度學(xué)習(xí)在PM2.5預(yù)測(cè)中的應(yīng)用[J].現(xiàn)代計(jì)算機(jī)，2019（6）：6-11.

[14] 周穎璇. 基于灰色關(guān)聯(lián)度分析法的PM2.5影響因素分析[J].管理觀察，2014（15）：14-16.

[15] 李經(jīng)緯，張佳慧，賈立明，等. 利用模糊綜合評(píng)價(jià)法對(duì)大慶市環(huán)境空氣質(zhì)量變化規(guī)律的分析研究[J].環(huán)境科學(xué)與管理，2019（5）：183-188.

（收稿日期：2019.11.20）