各类污染物对北京空气质量的影响分析.docx

摘要当前，北京市的空气污染问题已经非常严峻随着中国经济的快速发展和空气质量的异常变化，社会所遭受的经济损失和人类遭受的健康损失越来越大，因此为了防治大气污染，改善和提高北京市大气环境质量，提高市民对环境满意度，构建生态文明社会，促进经济社会可持续发展，本文首先从历史环境数据出发，通过对北京市AQI指数进行了简单的分析，筛选空气等级、计算蓝天数比例，发现北京市空气质量存在严重污染的情况再次，以AQI指数为因变量，污染物PM2.5，PM10,CO,NO2,SO2等的浓度为自变量做多元线性回归分析，找出它们之间的线性关系，最后对其进行预测之后对AQI指数做了主成分分析，找出影响北京AQI指数的主要因素为PM2.5，并对其进行了影响分析PM2.5的影响分析，本文做出社会生产对PM2.5浓度的相关分析，找出影响PM2.5的主要社会因素，还通过抽取少量样本，调研样本中日期对应的天气状况，通过利用灰色关联分析模型，找出了PM2.5与气象因子的灰色关联度，及其气象因子的排序最后通过本文的研究发现，针对性提出改善措施关键词：AQI指数；多元线性回归分析；主成分分析；污染物；PM2.5目 录1前言 32空气质量指数AQI 42.1AQI等级区分及计算公式 42.2AQI指数的简单分析 53线性回归分析 63.1回归模型 63.2多元线性回归方程求解 73.3 回归方程显著性检验 83.4预测 94主成分分析 104.1主成分分析的基本思想 104.2主成分数据分析 105PM2.5的影响分析 125.1PM2.5与社会因素的相关分析 125.2PM2.5与灰色关联分析 125.3PM2.5灰色关联度 136建议 15结论 16参考文献 171前言目前，中国经济处于高速发展时期，但是仍面临诸多难以解决的问题，这些问题严重威胁了我国构建社会主义和谐社会。

其中最主要的问题之一，环境问题不但影响我国经济发展也对人们的生产生活造成严重损害根据世界银行、中科院和环保总局的测算，我国每年因环境污染所造成的损失就占 GDP 高达 10％，仅北京一个城市，每年因环境污染所造成的损失就高达 116亿元之多其中，当属大气污染对北京造成的经济损失最为严重，占总污染所造成经济损失的 81.75%因此，大气污染问题值得社会和政府广泛关注总体回顾北京市历史空气质量，从该年北京市环保局首次发布的空气质量数据中显示，AQI空气质量可以用差到极致来形容2013年全年，北京市空气质量达到一级的天数仅有 41 天，占全年总天数的 11.2%；二级良天数总共 135 天；三级轻度污染为84 天；四级中度污染总计 47 天值得注意的是，五级重度污染和六级严重污染分别高达 45 天和 13 天，占全年总天数的 15.9%如果仅仅合计一级和二级天数，那么优良天数总计 176 天，还未达到全年总天数的一半同时，重污染天数情况也不容乐观几乎每隔六七天，就会出现一次严重污染天气用 PM2.5 的浓度数据分析，2013 年，PM2.5 平均浓度为 89.5μg/m³，根据国家最新标准 35μg/m³，2013 年的 PM2.5 浓度水平超标了近 1.5 倍。

从 2007 年开始，首都经济贸易大学统计学院开始对北京市居民生态环境感知度和满意度（主要是指居民对人类生存所依赖的最基本要素——空气、水、噪声等的满意程度）进行调查，并用生存环境指数来表示纵向对比从 2007 年到 2013 年的数发现，08、09 两年居民对于环境的满意度呈上升趋势究其原因，08 年北京举办奥运会，所以环境有所改善然而从 09 年开始，指数一路向下，尤其是 2013 年数据达到最低点，可以看出居民对目前生态环境的担忧2空气质量指数AQI2.1AQI等级区分及计算公式-在过去 15 年中，北京市将空气污染指数(API)作为评价空气质量的主要标准自2012 年根据新出台的《环境空气质量标准》和《环境空气质量指数（AQI）技术规定（试行）》的相关规定，空气质量指数（英文全称为 Air Quality Index，简称 AQI)）替代 API 成为定量描述空气质量状况、评价北京市空气质量的最新标准与 API 一样，它也将数值 0～500 分成 6 个等级其对应的空气质量指数，级别，表示的颜色和对健康的影响见表 2.1表2.1 空气质量指数- 空气质量指数按公式： { } （2.1）其中：I = 空气质量指数，即AQI，输出值；C = 污染物浓度，输入值；Clow= 小于或等于C的浓度限值，常量；Chigh= 大于或等于C的浓度限值，常量；Ilow= 对应于Clow的指数限值，常量；Ihigh= 对应于Chigh的指数限值，常量。

2.2AQI指数的简单分析（1）简单描述分析通过Excel统计软件对AQI指数进行描述性分析，我们可得出AQI指数的简单数据规律，如图2.1图2.1AQI指数分布图从上图可以看出北京空气质量大体情况，污染最为严重的为春冬两季，这一原因可能是与北方天气有关，春天北京沙尘暴严重，冬天北方天气较冷，烧煤取暖产生大量污染物，东西环境净化能力较弱而夏秋季节，由于降雨问题，使得空气污染物随雨水降落2）各空气质量等级及蓝天数的简单描述我们通过Excel表格对各个等级进行筛选得出，如表2.3表2.2 各等级天数AQI指数等级优良轻度污染中度污染重度污染严重污染天数8416795742338从上表我们可以得出优的天数有84天，良的167天等各等级天数状况，国家规定的今后五年地级市及以上城市空气质量优良天数比率超过80％的目标，上表中可计算出蓝天数有251天，所占比例为0.523，远远低于国家的规定，因此我们有理由说明北京的空气污染极其严重因此我们对北京市空气质量进行了更进一步的分析3线性回归分析3.1回归模型对回归方程的显著性检验，我们进行的是假设检验，首先：假设：的系数全为0 的系数不全为0数据总的波动用总偏差平方和表示： （3.2）引起不同的原因主要有三个因素y随提取温度A，液料比B，提取时间C的影响，从而每个观测值与每个回归值是不同的，其波动用回归平方和表示： （3.3）其二是其他一切因素，包括随机误差、各因素度y的非线性影响等，这样在得到回归值以后，y的观测值与回归值之间还有差距，这可用残差平方和表示： （3.4）可得出F作为检验统计量：服从F（m，n-m-1） （3.5）3.2多元线性回归方程求解根据本文我们假设PM2.5的浓度为x1，PM10的浓度为x2，CO的浓度为x3，NO2的浓度为x4，SO2的浓度为x5。

在根据数据求出各个系数及常数时，我们可以根据最小二乘法进行计算，可以利用spss软件进行回归方程的求解，其求解步骤如下：（1） 将数据输入spss统计软件中，AQI为因变量，PM2.5,PM10,CO,NO2,SO2等污染物作为因变量：表3.1 研究数据 点击“分析”—“回归”—“线性”，选入因变量，自变量，如图所示：（2） 统计量选择估计，模型拟合，估计，描述性，点击继续：图3.1 回归步骤点击“确定”可得出：通过spss做出的多元线性回归的系数表如下表表3.2 回归系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)32.4961.99416.300.000PM2.5.875.029.78029.861.000PM10.335.024.32814.037.000CO2.1952.386.026.920.358NO2-.469.063-.152-7.504.000SO2-.091.060-.027-1.503.134a. 因变量: AQI指数 给出了回归模型中各项的偏回归系数和各自标准差, 以及对各参数是否等于零的t 检验结果常数项回归系数为 , 的系数为 ，的估计表明x2，x3，x4，x5不变的条件下，x1每增加一个单位，因变量y增加0.875个单位。

的系数为,的估计表明x1，x3，x4，x5不变的条件下，x2每增加一个单位，因变量y增加0.335个单位，的系数为的估计表明x1，x2，x4，x5不变的条件下，x3每增加一个单位，因变量y增加2.195个单位的系数为 的估计表明x1，x2，x3，x5不变的条件下，x4每增加一个单位，因变量y减少-0.469个单位，的系数为 的估计表明x1，x2，x3，x4不变的条件下，x5每增加一个单位，因变量y减少-0.091个单位sig值分别为0.000、0 .000 、0 .000 、0 .358、0.000、0.134 按α=0 .05 显著性水平x1，x2，x4变量比较显著从上表可以得出回归方程：3.3 回归方程显著性检验通过spss软件的操作，可从spss中输出：表3.3 回归检验模型平方和df均方FSig.1回归2646340.1685529268.0341943.261.000a残差129371.337475272.361总计2775711.505480a. 预测变量: (常量), SO2, PM10, NO2, PM2.5, COb. 因变量: AQI指数如上表所示，方差分析表，即模型中所有的自变量的回归系数等于0的F检验结果。

回归平方和SRR=2646340.168，参差平方和SSE=129371.337，总偏差平方和SST=2775711.505，对应自由度分别为5,475,480，回归均方差MSR=529268.034，残差均方MSE=272.361，检验P=0.000<0.05,说明至少有一个自变量的回归系数不为0，所建立的回归模型具有统计学意义，因此模型检验是显著的我们所求的回归方程也是显著的，因此回归方程有意义3.4预测当所得回归方程显著时，我们就可以用它进行预测和控制考虑点（）处的y0的预测问题可证明，当n比较大，而且 分别比较接近 的情况下，近似地有，控制预测： （3.6） （3.7）由于因表明x1，x2，x3，x4，x5来预测AQI指数时，平均预测误差为16.31，而当x1=124，x2=160，x3=2.23，x4=63，x5=50，的置信度为0.95的置信区间为：，即因此这时的空气质量应为轻度污染与中度污染之间4主成分分析4.1主成分分析的基本思想主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。

通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标最经典的做法就是用1F（选取的第一个线性组合，即第一个综合指标）的方差来表达，即)(1FVar越大，表。