空气污染物相关性统计分析

空气污染物相关性统计分析

————————————————————————————————作者：————————————————————————————————日期:

数理统计课程作业报告

题目：郑州市主要空气污染物相关性

分析

课程:数理统计

学院: 物流工程院

专业：物流工程专业

姓名：原上草

学号: ６66６6６6666６8

2０15年12月２0 日

目录

４

一、研究背景ﻩ

二、污染物各月数据特征分析ﻩ4

三、郑州与杭州空气质量比较分析 (6)

四、多元线性回归模型ﻩ7

4.1PM2．5浓度相关性分析 (7)

4．２建立模型ﻩ8

4.3求解模型 (8)

4.4残差分析 (9)

4．5模型预测 (9)

五、总结ﻩ

10

1

１

参考文献ﻩ

12

附件程序ﻩ

ﻬ摘要

本文选取了201４年12 月至201５年11月期间郑州市主要空气污染物浓度数据,首先分析了郑州市各个月空气中ＰM2.5、PM1０、CＯ、ＳO2和NＯ２的污染物浓度数据的特征值, 探讨了空气污染物浓度的时间变规律;然后对比了郑州市和杭州市AQI指标，分析空气污染物的空间变化规律;最后采用MATLＡＢ软件分析了PM2.5与其它主要空气污染物之间的相关性得到了y x x x x

=-+++-的多元线性回归模型,用１２月份350.39*143.99*20.032*30.16*4

的数据进行预测PM2.5浓度与真实值比较，结果表明该模型能较好的拟合PM2.５与其它污染物间相关性。

关键词:多元线性回归;特征分析;空气污染物；相关性

一、研究背景

随着城市社会经济快速发展、资源能源消耗和污染物排放总量的增长，城市的空气污染问题越来越突出,长期积累的环境风险开始出现。在２0 1 2年2月,国家出台了新版《环境空气质量标准》(GB3095—2０１2)，调整了部分污染物浓度限值，并增设PM２．5和O３浓度限值，对环境监测环境管理和环境评价提出了新的要求。城市环境空气质量的好坏与气象条件密切相关,研究和解决空气质量问题，通过分析各污染物浓度之间相关性，才可能准确掌握城市大气污染规律，对改善城市空气质量、提高人民健康水平有重要意义。本文重点分析了郑州市ＰM2．5浓度与其他主要空气污染物浓度的相关性。

二、污染物数据特征分析

郑州市属北温带大陆性季风气候,冷暖适中、四季分明，春季干旱少雨，夏季炎热多雨，秋季晴朗日照长,冬季寒冷少雪。四季分明的特点在污染物的时空分布上也是表现的十分明显。本文对郑州市最近１2个月空气中PM2.５、ＰＭ10、CＯ、ＳO2和ＮO２的污染物浓度特征值进行分析，主要污染物的变化情况如下所示：

表一：PM２.5浓度特征值

PM2.5

日期均值标准差中位数众数

2014年12月92.748.495469761

2015年1月160.733370.2490514896

2015年2月13252.2869812474

2015年3月109.033342.5076311091

2015年4月85.2333329.580048237

2015年5月90.632.449559079

2015年6月75.332.809772115

2015年7月59.3666717.259756265

2015年8月58.5333323.006866072

2015年9月65.633.182936137

2015年10月68.241.313765728

2015年11月98.6333374.137038570

表二：ＰM10浓度特征值

PM10

日期均值标准差中位数众数

2014年12月193.133371.51398182145

2015年1月229.866794.9771217349

2015年2月197.928663.97596188.5275

2015年3月198.665.180********

2015年4月174.366770.32282167119

2015年5月157.833341.0398*******

2015年6月144.160.52567148208

2015年7月124.366738.23653121121

2015年8月107.333340.7163610564

2015年9月126.233356.1923412274

2015年10月138.633362.5622311780

2015年11月149.5333103.1167139139

表三：CO浓度特征值

CO

日期均值标准差中位数众数

2014年12月 1.9213330.455681 1.85 1.38

2015年1月 2.1383330.712793 1.95 1.78

2015年2月 1.6878570.469136 1.7 1.94

2015年3月 1.5453330.360553 1.54 1.54

2015年4月 1.380.246833 1.36 1.36

2015年5月 1.5210.291289 1.43 1.37

2015年6月 1.2023330.272992 1.21 1.3

2015年7月0.9940.1584840.980.86

2015年8月 1.0956670.178712 1.13 1.17

2015年9月 1.2756670.278731 1.17 1.16

2015年10月 1.2733330.35569 1.23 1.21

2015年11月 2.1310.965741 1.91 1.33

表四:NO2浓度特征值

NO2

日期均值标准差众数众数

2014年12月61.617.385056467

2015年1月74.1666719.869717170

2015年2月51.7142917.9281451.572

2015年3月57.7666714.609785870

2015年4月50.312.941285142

2015年5月45.5666710.022254554

2015年6月43.6666712.407884246

2015年7月40.29.6726423835

2015年8月43.3666712.275954231

2015年9月53.717.05125249

2015年10月62.4333317.619476254

2015年11月61.621.982725672

表五：SO2浓度特征值

SO2

日期均值标准差众数众数

2014年12月74.9333331.659587238

2015年1月74.1666733.9382666132

2015年2月57.6428623.7700553.560

2015年3月40.418.24060

2015年4月29.711.410963017

2015年5月25.933339.172182612

2015年6月17.133339.5139661513

2015年7月7.333333 5.15320854

2015年8月7 3.28633565

2015年9月14.7 6.471218157

2015年10月33.0333314.768173116

2015年11月30.717.699622439

为了方便于直观的分析空气污染物浓度与时间之间的变化规律,将以上表格数据中主要污染浓度的月平均值作折线图如下：