《数学建模空气高质量》由会员分享，可在线阅读，更多相关《数学建模空气高质量（48页珍藏版）》请在金锄头文库上搜索。
1、word2011高教社杯全国大学生数学建模竞赛承 诺 书我们仔细阅读了中国大学生数学建模竞赛的竞赛规如此.我们完全明白，在竞赛开始后参赛队员不能以任何方式包括 、电子、网上咨询等与队外的任何人包括指导教师研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规如此的, 如果引用别人的成果或其他公开的资料包括网上查到的资料，必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们X重承诺，严格遵守竞赛规如此，以保证竞赛的公正、公平性。如有违反竞赛规如此的行为，我们将受到严肃处理。我们参赛选择的题号是从A/B/C/D中选择一项填写：我们的参赛报名号为如果赛区设置报名号的话：所
2、属学校请填写完整的全名：中国农业大学参赛队员 (打印并签名) ：1.王万能 2.董祥祥 3.孙靖翔指导教师或指导教师组负责人 (打印并签名)： 日期：年月日赛区评阅编号由赛区组委会评阅前进展编号： / 2011高教社杯全国大学生数学建模竞赛编 号 专 用 页赛区评阅编号由赛区组委会评阅前进展编号：赛区评阅记录可供赛区评阅时使用：评阅人评分备注全国统一编号由赛区组委会送交全国前编号：全国评阅编号由全国组委会评阅前进展编号：市空气质量状况探究摘要空气与我们的生存是息息相关的，它直接参与人体的新陈代谢、物质代谢和体温调节等过程。随着现代工业和交通的迅猛开展，烟尘和汽车尾气等的排放，超越了大气的自净界
3、限，接踵而至的却是一个十分严峻的问题大气污染。作为我国的首都，的空气质量又是什么情况呢？我们通过数学模型来分析这个问题。对于第一问“查找相关数据包括近期连续数据与零星数据，我们认为，由于空气质量指数AQI是2012年上半年才被出台规定取代原有空气污染指数API的，且参与空气质量评价的主要污染物为细颗粒物PM2.5、可吸入颗粒物PM10、二氧化硫、二氧化氮、臭氧、一氧化碳等六项。为方便后续几问的研究，我们收集了2013年至2014年8月每日的AQI、空气质量等级、PM2.5、PM10、SO2、NO2、CO这7项指标的数据即连续型数据和2008年至2013年PM10、SO2、NO2、CO的年度平均
4、指标数据即离散数据。第二问中，本文从时间和空间两个维度分析污染情况。从时间角度分析时，为保证充分利用数据，本文分别从污染物年浓度平均变化和持续污染日数和空气质量超标日数年变化两个层次对空气质量进展了分析，从而归纳出空气污染的年度特征。从空间角度分析时，本文根据市各区县PM10、SO2、NO2、CO的年度平均数据，将各区县各项指标浓度反映在了的区域地图上，绘制得各项指标的浓度空间分布示意图，同时将两年数据求平均值并按照PM10降序排列，结合图、表定量分析并得出结论。第三文中，本文以各个监测点为圆心，以各监测点所能测得的准确数据的最大距离为半径作圆，根据所有圆是否将市全部覆盖判断空气质量监测点的布
5、局是否合理。最终本文得出结论：市空气质量监测点的布局是合理的。对于第四问“分析空气污染的主要成因和解决方法，本文以抽样的方式，抽取每月1号、5号、10号、15号、20号、25号、30号，二月取28号的数据为样本，统计2013年9月1日到2014年8月31日抽样日期每天的23个检测站点监测到的当日首要污染物为“颗粒物、“臭氧、“二氧化氮、“二氧化硫、“一氧化碳、与“无的监测点个数，求出这84天各项指标为首要污染物的频率，比拟频率大小，得出空气污染的主要气体是颗粒物、臭氧、二氧化氮、一氧化碳，并据此提出解决方法。第五问中，本文选取主成分神经网络模式识别的方法，对未来一周9月6日至9月12日的空气状
6、况进展预测。我们选择预报下周空气质量的等级，使用的是MATLAB提供的模式识别工具箱。我们将空气质量看做六个模式：优，良，轻度污染，中度污染，重度污染，严重污染；并将spss软件求解出来的主成分与对应的模式交给神经网络学习。训练好后用于预测。根据主成分分析的方法，对全部160个样本的8个因子进展分析。将数据导入spss，设置抽取系数为0.5，得到相关矩阵；然后由解释总方差表格和成分矩阵找出spss提取的主成分，将八维数据降成五维数据；并将样本转化，用于神经网络的训练；并把不同的空气质量等级二进制化，得到训练结果后进展预测。将要预测时间段的平均气温，最高气温，最低气温，大气压，相对湿度，相对风速
7、，水平能见度，降水量数据按照公式变为五维数据并输入网络进展求解，最终得到未来一个星期的空气质量为：重度污染，重度污染，优，良，良，轻度污染，轻度污染。第六问，本文假设自己想从事相关商业活动，给出了计划与广告词。关键词：空气质量主成分神经网络空气污染1 问题重述kg，约为每天所需食物和饮水量的10倍。随着现代工业和交通的迅猛开展，烟尘和汽车尾气等的排放，超越了大气的自净界限，接踵而至的却是一个十分严峻的问题大气污染。对大气污染影响较大的污染物有：硫氧化物、氮氧化物、碳氢化合物、碳氧化合物、粉尘等。大气污染物对我们身体的影响是巨大的，而2013年以来日益频发的雾霾天气已经严重影响到人们的日常生活。
8、 “生态文明是被列为当前的一大重要议题，“我们将加强生态环境保护，扎实推进资源节约，为人民创造良好生产生活环境，为应对全球富气候变化作出新的贡献。，的一系列讲话为坚持节约资源和保护环境根本国策，努力走向生态文明新时代赋予了新内容，提出了新要求，彰显出他对于生态文明领域建设的决心与魄力。本文中，我们1查找相关数据包括近期连续数据与零星数据；2分析空气污染情况时间、空间；3分析空气质量监测点的布局是否合理；4) 分析空气污染的主要成因与解决方法；5对未来一周进展预测；6假设自己想从事相关商业活动，给出计划与广告词。不超过一页2 问题分析对于第一问“查找相关数据包括近期连续数据与零星数据，我们认为，
9、由于空气质量指数AQI是2012年上半年才被出台规定取代原有空气污染指数API的，且参与空气质量评价的主要污染物为细颗粒物PM2.5、可吸入颗粒物PM10、二氧化硫、二氧化氮、臭氧、一氧化碳等六项。为方便后续几问的研究，我们收集了2013年至2014年8月每日的AQI、空气质量等级、PM2.5、PM10、SO2、NO2、CO这7项指标的数据即连续型数据和2008年至2013年PM10、SO2、NO2、CO的年度平均指标数据即离散数据。第二问中，本文从时间和空间两个维度分析污染情况。从时间角度分析时，为保证充分利用数据，本文分别从污染物年浓度平均变化和持续污染日数和空气质量超标日数年变化两个层次
10、对空气质量进展了分析，从而归纳出空气污染的年度特征。从空间角度分析时，本文根据市各区县PM10、SO2、NO2、CO的年度平均数据，将各区县各项指标浓度反映在了的区域地图上，绘制得各项指标的浓度空间分布示意图，同时将两年数据求平均值并按照PM10降序排列，结合图、表定量分析并得出结论。第三文中，本文以各个监测点为圆心，以各监测点所能测得的准确数据的最大距离为半径作圆，根据所有圆是否将市全部覆盖判断空气质量监测点的布局是否合理。最终本文得出结论：市空气质量监测点的布局是合理的。对于第四问“分析空气污染的主要成因和解决方法，本文以抽样的方式，抽取每月1号、5号、10号、15号、20号、25号、30
11、号，二月取28号的数据为样本，统计2013年9月1日到2014年8月31日抽样日期每天的23个检测站点监测到的当日首要污染物为“颗粒物、“臭氧、“二氧化氮、“二氧化硫、“一氧化碳、与“无的监测点个数，求出这84天各项指标为首要污染物的频率，比拟频率大小，得出空气污染的主要气体是颗粒物、臭氧、二氧化氮、一氧化碳，并据此提出解决方法。第五问中，本文选取主成分神经网络模式识别的方法，对未来一周9月6日至9月12日的空气状况进展预测。我们选择预报下周空气质量的等级，使用的是MATLAB提供的模式识别工具箱。我们将空气质量看做六个模式：优，良，轻度污染，中度污染，重度污染，严重污染；并将spss软件求解
12、出来的主成分与对应的模式交给神经网络学习。训练好后用于预测。根据主成分分析的方法，对全部160个样本的8个因子进展分析。将数据导入spss，设置抽取系数为0.5，得到相关矩阵；然后由解释总方差表格和成分矩阵找出spss提取的主成分，将八维数据降成五维数据；并将样本转化，用于神经网络的训练；并把不同的空气质量等级二进制化，得到训练结果后进展预测。将要预测时间段的平均气温，最高气温，最低气温，大气压，相对湿度，相对风速，水平能见度，降水量数据按照公式变为五维数据并输入网络进展求解，最终得到未来一个星期的空气质量为：重度污染，重度污染，优，良，良，轻度污染，轻度污染。第六问，本文假设自己想从事相关商
13、业活动，给出了计划与广告词。3 假设与约定假设：假设预测时间段内没有发生重大的天气异常；假设预测时间段内没有污染源；假设以pm2.5为空气质量等级划分的标准为：标准0-35优35-75良75-115轻度污染115-150中度污染150-250重度污染250-严重污染4 符号说明符号含义细颗粒物可吸入颗粒物空气质量指数5 模型建立与求解5.1 问题一 此题主要收集了市环境污染近期相关连续数据与离散数据。 由于空气质量指数AQI是2012年上半年才被出台规定取代原有空气污染指数API的，且参与空气质量评价的主要污染物为细颗粒物PM2.5、可吸入颗粒物PM10、二氧化硫、二氧化氮、臭氧、一氧化碳等六
14、项。为方便后续几问的研究，我们收集了2013年至2014年8月每日的AQI、空气质量等级、PM2.5、PM10、SO2、NO2、CO这7项指标的数据即连续型数据和2008年至2013年PM10、SO2、NO2、CO的年度平均指标数据即离散数据。见附录。5.2 问题二本问主要从时间和空间两个维度分析空气污染情况。5.2.1 模型建立1此题主要从时间和空间两个维度分析空气污染情况。2从时间角度分析时，为保证充分利用数据，本文分别从污染物年浓度平均变化和持续污染日数和空气质量超标日数年变化两个层次对空气质量进展了分析，从而归纳出空气污染的年度特征。3从空间角度分析时，本文根据市各区县PM10、SO2、NO2、CO的年度平均数据，将各区县各项指标浓度反映在了的区域地图上，绘制得各项指标的浓度空间分布示意图，同时将两年数据求平均值并按照PM10降序排列，结合图、表定量分析并得出结论。5.2.2 模型求解.时间特征（1） 按污染物年浓度平均变化本文
