淮安市大气污染情况研究
2023-09-09 06:09
论文总字数：19594字
摘 要
本文根据时间序列分析的基本理论，利用R语言软件对淮安市2018年9月到2019年2月的空气质量进行研究，研究指标包括：AQI、PM2.5等；数据分析方法包括KPSS检验，纯随机性检验，auto.arima函数自动定阶等，希望最后得到的结论可以给相关部门提供一些参考.关键词：时间序列分析，R语言，空气质量，AQI，PM2.5
Abstract: Based on the theory of time series analysis, this paper uses R language software to study the air quality of Huaian City from September 2018 to February 2019. The research indicators include: AQI, PM2.5, etc.; data analysis methods include KPSS test, pure Randomness test, auto.arima function automatically grades, etc., we hope that the final conclusion can provide some reference to relevant departments.
Keywords: time series analysis, R language, air quality, AQI, PM2.5
目 录
1 引言 3
2 研究对象及方法 3
2.1 研究对象 3
2.2 研究方法 4
3 AQI的研究 4
3.1 AQI的计算方法 4
3.2 时间序列预处理 5
3.3 预测模型的建立 9
3.4 预测模型的检验 11
3.5 预测模型的预测结果 13
3.6 预测模型不理想的原因分析 13
4 污染物的研究 14
4.1 PM2.5的模型建立与预测 14
4.2 其他污染物的模型建立与预测 15
4.3 AQI和PM2.5的关系 18
结论 20
参 考 文 献 21
致 谢 22
附 录1 23
附 录2 24
1 引言
随着时代的发展，人们的生活条件越来越好，慢慢地人们不再只满足于简单的物质生活，也开始关注自己生活的方方面面.其中，最为重要的就是空气.因为空气是人们日常生活中不可缺少的一方面.人们要是想继续生存下去，就离不开空气.因此，越来越多的人开始关注大气污染的问题.
大气污染是指由于人类活动或自然过程导致某些物质进入大气中, 呈现出足够的浓度, 涉及一定的区域且存在了足够的时间,危害了人们的舒适、健康和福利或危害了环境的现象[1].
关于各种大气污染物浓度的预测，国内外的许多专家学者建立了多种预测模型.如：Kulkarni和Patil[2]基于冬夏两季的室内NO2浓度建立了综合平均数的回归模型预测室内的NO2浓度；Hargreaves[3]等人利用英国气象序列建立NO2浓度经验预测模型.本文想尝试利用时间序列的方法对各污染物浓度进行预测模型建立.
衡量大气污染的指标是AQI，AQI是指空气污染指数，是一种反映和评价空气质量的方法，其结果简明直观，便于使用. 其中，主要污染物有以下几种：PM2.5，PM10，SO2，CO,NO2和O3（详细说明见附录1）.
淮安市位于江苏省的中北部，江淮平原的东部。淮安市共设有5个监测点，分别位于钵池山，北京南路，监测站，淮阴区和楚州区. 据统计，2018年9月至2019年2月期间，淮安市空气质量有26天优，有103天良好，有35天轻度污染，有15天中度污染，有2天重度污染. 其中，就总体状况来看，空气质量最差的是2019年1月份，其次是2月份.由此可见，淮安市的大气污染还是存在一定问题的.
2 研究对象及方法
2.1 研究对象
一般来说，一天空气质量的好坏，通常是根据AQI的大小来判断，判断标准如下：
表1 | |||
空气污染级别 | 指标 | 空气污染级别 | 指标 |
优级 | 0lt;AQI≤50 | 中度污染 | 150lt;AQI≤200 |
良好 | 50lt;AQI≤100 | 重度污染 | 200lt;AQI≤300 |
轻度污染 | 100lt;AQI≤150 | 严重污染 | AQIgt;300 |
然而，在日常生活中，AQI常常不被大众所熟知，人们通常认为PM2.5是衡量空气污染的指标.
本次课题的研究对象是淮安市市区大气污染物的监测数据，数据来源于网站https://www.aqistudy.cn/historydata/monthdata.php?city=淮安，选择的时间范围是2018年9月到2019年2月，共计181天.
2.2 研究方法
本次研究所采用的方法是时间序列分析的方法，其中包括数据的预处理，数据的平稳性检验，预测模型ARIMA模型的建立，以及对所建立的模型的检验等.所使用的软件是R语言.接下来会给出详细的研究过程和结果分析.
3 AQI的研究
3.1 AQI的计算方法
3.1.1 计算IAQI
式中各标量表示如下表：
表2 | |
变量名 | 解释说明 |
IAQIP | 污染物项目P的空气质量分指数 |
CP | 污染物项目P的质量浓度值 |
BPHi | 表3中与CP相近的污染物浓度限值的高位值 |
BPLo | 表3中与CP相近的污染物浓度限值的低位值 |
IAQIHi | 表3中与BPHi对应的空气质量分指数 |
IAQILo | 表3中与BPLo对应的空气质量分指数 |
表3
空气质量分指数（IAQI） | 污染物项目浓度限值 | |||||||||
二氧化硫(SO2)24小时平均/(μg/m3) | 二氧化硫(SO2)1小时平均/(μg/m3)（1） | 二氧化氮(NO2)24小时平均/(μg/m3) | 二氧化氮(NO2)1小时平均/(μg/m3)（1） | 颗粒物（粒径小于或等于10μm）24小时平均/(μg/m3) | 一氧化碳（CO）24小时平均/(μg/m3) | 一氧化碳（CO）1小时平均/(μg/m3)（1） | 臭氧（O3）24小时平均/(μg/m3) | 臭氧（O3）1小时平均/(μg/m3) | 颗粒物（粒径小于或等于2.5μm）24小时平均/(μg/m3) | |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
50 | 50 | 150 | 40 | 100 | 50 | 2 | 5 | 160 | 100 | 35 |
100 | 150 | 500 | 80 | 200 | 150 | 4 | 10 | 200 | 160 | 75 |
150 | 475 | 650 | 180 | 700 | 250 | 14 | 35 | 300 | 215 | 115 |
200 | 800 | 800 | 280 | 1200 | 350 | 24 | 60 | 400 | 265 | 150 |
300 | 1600 | (2) | 565 | 2340 | 420 | 36 | 90 | 800 | 800 | 250 |
400 | 2100 | (3) | 750 | 3090 | 500 | 48 | 120 | 1000 | (3) | 350 |
500 | 2620 | (4) | 940 | 3840 | 600 | 60 | 150 | 1200 | (3) | 500 |
说明 | （1）二氧化硫（SO2）、二氧化氮（NO2）和一氧化碳（CO）的1小时平均浓度限值仅用于实时报，在日报中需使用相应的污染物24小时平均浓度限值. 剩余内容已隐藏，请支付后下载全文，论文总字数：19594字
您需要先支付 80元 才能查看全部内容！立即支付
最新文档
| |||||||||
