《关于某某大气污染问题地数学建模论文设计》由会员分享，可在线阅读，更多相关《关于某某大气污染问题地数学建模论文设计（22页珍藏版）》请在金锄头文库上搜索。
1、word 大气是指包围在地球外围的空气层，是地球自然环境的重要组成局部之一。人类生活在大气里，洁净大气是人类赖于生存的必要条件。一个人在五个星期内不吃饭或5天内不喝水，尚能维持生命，但超过5分钟不呼吸空气，便会死亡。随着地球上人口的急剧增加，人类经济增长的急速增大，地球上的大气污染日趋严重，其影响也日趋深刻，如由于一些有害气体的大量排放，不仅造成局部地区大气的污染，而且影响到全球性的气候变化。因此，加强大气质量的监测和预报是非常必要。目前对大气质量的监测主要是监测大气中、悬浮颗粒物主要为PM10等的浓度，研究明确，城市空气质量好坏与季节与气象条件的关系十分密切。附件给出城市A、B、C、D、E、
2、F从2003年3月1日至2010年9月14日测量的污染物含量与气象参数的数据。请运用数学建模的方法对如下问题作出回答：、PM10之间的特点，并将几个城市的空气质量进展排序。2对未来一周即2010年9月15日至9月21日各个城市的、PM10以与各气象参数作出预测。3分析空气质量与气象参数之间的关系。4就空气质量的控制对相关部门提出你的建议。此题为生活中的实际问题，层层递进式提出四个问题，分别需要对空气污染因素以与气象参数进展分析求解。第一问为评价性问题，先从城市内部个污染物特点出发，再到城市之间空气质量进展比拟。第二问是预测性问题，通过对给出的数据进展分析，预测各项参数之后的趋势。第三问是寻找关
3、联性问题，要求找出空气质量与气象参数之间的关系。第四问为开放型问题，可通过之前得出的结论或者相关文章与模型提出建议。2.1 问题1 通过查阅资料，运用已有的API对各个城市的各项污染指标进展计算，得出各个污染指数API月平均的折线图，观察，得出各城市各项指标的特点。鉴于求解城市API时有一定的误差，应当选择综合评价模型，对数据进展标准化处理之后，确定动态加权函数，对模型进展求解，排名。检验模型后确定结论的合理性。2.2 问题2 预测模型主要有灰色预测，时间序列等模型。由所给数据以与问题可知该预测模型为时间序列。随机选取气象参数之一气温tem为例进展分析，先通过SPSS软件得到其时序图，观察其走
4、势，对其做平稳化处理。然后以最小BIC为标准，构造模型，进一步应用SPSS软件求解，得出各项参数，并预测出2010年9月15日至2010年9月21日的数据。其余各城市各污染物浓度以与气象参数应用类似方法进展求解。最后，由于F城市所提供数据与需要预测日期相隔较远，故只做出定性的分析预测。2.3 问题3空气污染物与气象要素关系密切，研究的方向多为相关性分析与回归分析或从理论上描述气象要素对污染物迁移扩散的影响。但是回归分析应用于处理不相关变量之间关系，而典型相关性分析能很好地解决由于变量之间相关而导致回归准确性降低的问题。并且观察原始数据发现，其中只有一组气象参数，故猜想气象参数是在其中某一个城市
5、所采集。现应用典型相关性分析分别分析A、B、C、三城市空气污染物、PM10与气象要素这两组数据间的关系。求出不同季节的相关系数，判定气象参数最有可能是属于哪一城市的。再对该城市进展偏相关性分析，最终得出污染物与气象参数之间的关系。该过程由SPSS直接完成。2.4 问题4依据第三问所求得的气象参数和与其对应城市之间的关系，分析影响各污染物浓度的主要因素，依此对有关部门提出合理的建议，以提高该城市的空气质量。对附件中数据整体浏览，将不合理的数据进展删除：2005年11月7日的tem为611.5，2010年6月6日的mmgh为267.109，依据常识，该两组数据均为记录错误，故删去不予考虑对各项指标
6、的数据进展月平均处理.以便进展模型的计算。基于数据的不完整性，只选择具有连续性的数据2010年1月20日至2010年9月20日对问题二进展分析预测。3.3问题3，4将一年分为春季季风季3-5月和冬季采暖季11-2月两局部，分别进展分析。1、 各组数据真实可信，且是在同一地点同一时间采集，不考虑人为因素，具有统计、预测意义。2、 假设A、B、C、D、E、F六个城市的开展状况一样，即开展速度没有明显差异。3、 API指标真实可靠，所给数据具有参考统计意义。4、月API平均值能很好的代表该月空气质量，具有比拟意义。5、对F城市进展定性预测时，A、F城市开展状况根本一样，有比拟价值。6、第三问中，灌输
7、数据的对应关系，假设气象参数是在A、B、C三城市中某一个城市所采集。空气污染指数某污染物的污染指数该污染物的浓度在API分区表中最接近C值得两个值在API 分区表中最接近I值得两个值三项污染指标标准化值区间最小值区间最大值，区间边界权重被评价指标的综合评价值城市每个城市的Borda数时间序列模型阶数差分阶数延迟算子均方差复相关系数6.1 问题1通过查阅资料，可以找到API，即空气质量污染指数标准，由此计算每个城市各项指标的月API平均值，对各项数值进展比拟，得出各个城市三项指标特点。API平均值求解根据表一：计算各项指标的API值：设为某污染物的污染指数，为该污染物的浓度。如此：式中： ： 在
8、API分区表中最接近C值得两个值：在API 分区表中最接近I值得两个值图一：各城市各项指标月API平均值折线图整体分析图表可以看出A、B、C、D、E五个城市SO2、NO2、PM10等污染物浓度均呈现波动性并且有缓慢下降趋势。分析A城市数据，发现A城市PM10浓度与B城市差异并不显著，但是观察发现A城市PM10的值在2010年8月后有所上升，这一点也可由数据得到验证。B城市SO2波动性很强，但是下降的趋势并不是非常的明显，说明B城市可能有一些周期性的污染源需要治理。而B城市的PM10波动性强有明显下降趋势，这说明B城市很有可能在2010年采取过一些相应的积极措施，使得该城市PM10浓度在短期内大
9、幅度下降。而A、B两城市的SO2和PM10数值均明显高于NO2的数值，且两城市污染物的波动方式相似，可粗略认为A、B两城市有局部工业或者结构上的相似。分析C、D两城市可知SO2、NO2、PM10浓度较平稳波动，只有PM10在个别时段有较大的起伏，而在其他时间序列内均趋于平缓变化。C、D两城市的PM10曲线在同一时间明显偏高，可推论在那一段时间有某些外界因素使得两个城市的PM10数值共同上升。分析E城市空气污染物浓度可知，E城市SO2、NO2、PM10浓度均在一定X围内平稳变化 ，说明该城市在所选时间段内空气质量比拟平稳。由于F城市数据严重不足，只有从2004年9月1日到2009年12月27日的
10、采集数据，故在F城市数具有统计意义的前提下，由图可知观看出F城月平均污染物浓度大致呈现平稳趋势。根据问题对API分析发现，对于城市API值计算中，原理为取三项指标的最大值，这会造成相应的误差，故在分析第一问的第二局部时，只参考API的划分标准，应用综合评价模型。对所给的空气污染标准API进展标准化处理，记三项指标：、PM10的数值分别为，。三项指标的数据均为极小型指标即指标值越小越好，对其指标做标准化处理，即令：其中，。如此相应的指标值变为，即为无量纲的标准化指标，对应的分类区间也随之相应的变化，在这里为了方便仍记为。1的标准化取，如此其标准化数据为：对应的分类区间为：2的标准化取，如此其标准
11、化数据为：对应的分类区间为：3PM10的标准化取，如此其标准化数据为：对应的分类区间为：根据这一实际问题，通过对、PM10三项指标的变化关于空气质量的分析，可得其变化的规律为：先是缓慢增长，中间有一个快速增长的过程，最后平缓增加趋于最大值。此增长规律可取动态加权函数为偏大型正态分布函数，即：其中不妨取指标的第一类空气质量标准的中间值，即，由确定。根据标准化后的评价值，不妨仍用表示，以与相应的动态加权函数，建立综合评价模型来对被评价的6个城市的空气质量进展评价，在此，取综合评价模型为个评价指标的动态加权和，即：其函数值为被评价对象的综合指标值。 求出权后，可将6个城市的三项指标求期望，定量地得出
12、每个城市中三项指标的权值。利用附件中给出的31个月的较为完整的数据，计算可得ABCDE五个城市的空气质量评价性指标，即可得到一个综合评价矩阵，其结果如下：表二：ABCDE五个城市综合评价矩阵同时，利用附件中给出的4个月(2004.9至2004,12)的数据，经计算可得ABCDF六个城市的空气质量评价指标，得到矩阵，结果如下。表三：ABCDF五个城市综合评价矩阵根据上表和表中的数据，根据其大小即反映空气质量的上下程度进展排序，数值越大，说明其空气质量越差。编写C语言程序，对其进展排序。排序结果见附录一。利用决策分析中的Borda函数方法来确定综合排序方法，记在第个排序方案中排在第个城市后面的站点
13、个数为，如此城市的Borda函数为经计算，各城市Borda数与总排名如下ABCDE的Borda数为：ABCDF的Borda数为：ABCDE的空气质量排名为：CABED ABCDF的空气质量的排名为：FABCD 鉴于API数值有一定的实际应用价值，故应用其对综合评估模型进展验证。通过对各个城市每月的API进展计算，运用一样的C语言程序对其进展排名结果见附件一。运用Borda算法，对多个序列进展排序，最后排出城市总体空气质量排名，对模型进展验证得出结论为：ABCDE五个城市API的Borda数为：ABCDE五个城市的空气质量排名为：CBAEDABCDF五个城市的API的Borda数为：ABCDF五
14、个城市四个月的空气质量排名为：FABDC权重排列与API排列只有一个次序的不同，观察Borda数可发现，次序不同的两个城市Borda数字根本一样，故可说，模型合理，权重得出的排序结论有一定参考意义。6.2 问题2F城市所给数据时间与需预测时间相距甚远，假如强行预测出趋势变化，没有实际参考意义，故在对F城市进展预测时，只做定性的说明。随机选取气温为例建立ARIMA模型，其余各城市参数即气象参数yingyon可求的。模型的建立与求解依靠SPSS软件。6.2.1 模型的建立与检测对除F以外的数据预测适用考虑数据的连贯性，选取2010.1.20日至2010.9.14日数据进展时间序列分析，应用SPSS
15、软件作出时序图，进展时间序列的验证，如下：图二：气温时序图气温的自相关系数图和偏自相关系数图见附件二由气温时序图明显可知该序列具有上升趋势，为消掉上升趋势，作差分处理。图示为作一阶差分后所得序列图，观察可知该序列比拟平稳。图三：一阶差分之后的气温时序图为进一步验证平稳性，考察差分后序列自相关图。图四：一阶差分后气温时序残差自相关系数图自相关图显示序列有很强的短期相关性，所以可以初步认为一阶差分后序列平稳。考虑ARIMAp，d，q模型，并以最小标准化BIC为指标，应用SPSS软件可构造出ARIMA0,1,2模型，即这就是说是1阶齐次非平稳序列，一次差分后适合MA2模型。运用SPSS求出参数如表：ARIMA 模型参数a估计SEtSig.TREND(tem)-模型_1TREND(tem)无转换差分1
