謝心慶，許英

(新疆財(cái)經(jīng)大學(xué)應(yīng)用數(shù)學(xué)學(xué)院，新疆烏魯木齊 830012)

關(guān)于大氣中PM2.5濃度的綜合預(yù)測

謝心慶，許英

(新疆財(cái)經(jīng)大學(xué)應(yīng)用數(shù)學(xué)學(xué)院，新疆烏魯木齊 830012)

鑒于PM2.5對人體的危害，為了提前預(yù)測PM2.5濃度值并及時(shí)通過降雨方法降低其濃度，開展了PM2.5濃度綜合預(yù)測研究。通過對西安市一個(gè)空氣質(zhì)量監(jiān)測點(diǎn)收集到觀測數(shù)據(jù)分析與PM2.5濃度強(qiáng)相關(guān)的因素，隨后綜合考慮天氣、溫度、風(fēng)力風(fēng)向?qū)M2.5濃度觀測值的影響，通過添加虛擬變量及因子分析提取因子的方法，將強(qiáng)相關(guān)因素、提取的天氣、溫度、風(fēng)力風(fēng)向因子與PM2.5濃度觀測值進(jìn)行回歸預(yù)測，最終得到較好預(yù)測效果。

PM2.5;虛擬變量;因子分析;多元回歸

0 引言

2013年7月12日《中國新聞網(wǎng)》報(bào)道:“2013年初以來，中國發(fā)生大范圍持續(xù)霧霾天氣。據(jù)統(tǒng)計(jì)，受影響霧霾區(qū)域包括華北平原、黃淮、江淮、江漢、江南、華南北部等地區(qū)，受影響面積約占國土面積的1/4，受影響人口約6億人”。在北美和歐洲研究人員對環(huán)境顆粒物對人體的危害做了廣泛的流行病學(xué)研究［1－6］。對于顆粒物PM2.5(空氣質(zhì)量標(biāo)準(zhǔn)中顆粒粒徑小于等于2.5μm濃度限值)可以進(jìn)入人體的下呼吸道，通過液泡進(jìn)入血液，對人體肺功能及生長發(fā)育的兒童有嚴(yán)重危害［7］。因此，若是對PM2.5濃度值在模型上有很好的預(yù)測，便可應(yīng)用人工降雨或降雪等方式減少污染。

近年來，我國霧霾現(xiàn)象的出現(xiàn)主要來源于二次顆粒物(即通過與大氣組成成分發(fā)生化學(xué)反應(yīng)后生成的顆粒物)。形成 PM2.5的前體物包括:SO2、NOx、揮發(fā)性有機(jī)化合物(VOCS)、NH3等。但由于PM2.5進(jìn)入研究視線較短，綜合考慮天氣、溫度、風(fēng)力風(fēng)向的PM2.5綜合預(yù)測研究較少［8］。

1 PM2.5相關(guān)因素分析

對西安市一個(gè)空氣質(zhì)量監(jiān)測點(diǎn)(高壓開關(guān)廠) 2013年3月至4月間采集的SO2、NO2、可吸入顆粒物(PM10)、CO、臭氧、PM2.5、空氣質(zhì)量指數(shù)等數(shù)據(jù)進(jìn)行分析，并根據(jù)相關(guān)分析方法判斷哪些因素與PM2.5濃度值強(qiáng)相關(guān)，結(jié)果見表1。

表1 各觀測數(shù)據(jù)與PM2.5相關(guān)系數(shù)分析

從表1可以看出，除臭氧濃度與PM2.5濃度值相關(guān)性不大，其余各因素 SO2、NO2、可吸入顆粒物(PM10)、CO的濃度均與PM2.5濃度值強(qiáng)相關(guān)。

2 虛擬變量的選定

2.1 虛擬變量的數(shù)據(jù)處理［9］

為了考慮天氣、溫度、風(fēng)力風(fēng)向?qū)M2.5濃度值變化的影響，先將天氣、溫度、風(fēng)力的變量數(shù)值化進(jìn)行以下處理:

對于天氣，將天氣變量設(shè)為Dij(i=1，2;j=1，2，3…6)，i=1代表白天，i=2代表夜間;j=1，2，3…6分別代表晴、陰、雨、多云、浮塵、雪等天氣。

D的取值為1和0，1代表是，0代表不是。

對于溫度，將溫度變量設(shè)為Ti(i=1，2)，i=1代表一天的最高溫度;i=2代表一天的最低溫度。

對于風(fēng)力，將風(fēng)力變量設(shè)為Wij(i=1，2;j=1，2，3…9)，i=1代表白天，i=2代表夜間;j=1，2，3…9分別代表北風(fēng)、東北風(fēng)、東風(fēng)、東南風(fēng)、南風(fēng)、西南風(fēng)、西風(fēng)、西北風(fēng)、最大風(fēng)力。其中，除最大風(fēng)力值為具體數(shù)值外，其余Wij取值為1和0，1代表是，0代表不是。

2.2 方差分析

為了辨別天氣、風(fēng)向?qū)M2.5濃度值變化的影響，首先應(yīng)用方差分析方法分析天氣、風(fēng)向?qū)M2.5濃度值變化是否有顯著性影響，結(jié)果見表1～9。

對于天氣，將天氣變量設(shè)為Di(i=1，2，…，6)，Di=i分別代表晴、陰、雨、多云、浮塵、雪等天氣。

表2 白天天氣情況對PM2.5濃度值變化的分析結(jié)果

表3 方差分析(單因素方差分析)

從表2、3中P=0.453＞α=0.05，可以看出白天天氣情況對PM2.5濃度值變化沒有顯著性差異。

表4 夜間天氣情況對PM2.5濃度值變化的分析

表5 方差分析(單因素方差分析)

從表4、5中P=0.045＜α=0.05，可以看出白天天氣情況對PM2.5濃度值變化存在顯著性差異。

對于風(fēng)向，將風(fēng)向變量設(shè)為Wi(i=1，2，…，8)，Wi=i分別代表北風(fēng)、東北風(fēng)、東風(fēng)、東南風(fēng)、南風(fēng)、西南風(fēng)、西風(fēng)、西北風(fēng)等風(fēng)向。

表6 白天風(fēng)向情況對PM2.5濃度值變化的分析

從表6、7中P=0.039＜α=0.05，可以看出白天風(fēng)向情況對大氣中PM2.5濃度值的變化存在著顯著性差異。

表7 方差分析(單因素方差分析)

表8 夜間風(fēng)向情況對PM2.5濃度值變化的分析

表9 方差分析(單因素方差分析)

從表8、9中P=0.923＞α=0.05，可以看出白天風(fēng)向情況對PM2.5濃度值變化沒有顯著性差異。

3 模型的建立

3.1 PM2.5回歸分析的模型建立

為了綜合考慮天氣、溫度、風(fēng)力風(fēng)向?qū)M2.5濃度值變化的影響，及綜合相關(guān)分析和方差分析結(jié)果，建立(OLS)回歸模型:

式中:Dij、Tij、Wij分別為上述虛擬變量選定設(shè)置。

3.2 模型的檢驗(yàn)與結(jié)果分析

將搜集到的數(shù)據(jù)帶入回歸模型，由SPSS軟件得到計(jì)算結(jié)果如表10所示。

表10 回歸模型系數(shù)計(jì)算與檢驗(yàn)

表10中B代表各自變量的系數(shù)，SPSS自動(dòng)排出變量天氣白天晴、多云，天氣夜間晴，白天東風(fēng)及夜間東風(fēng)。而變量天氣白天陰、雨、雪，天氣夜間多云，氣溫最高，白天北風(fēng)、東北風(fēng)、南風(fēng)、西南風(fēng)、西北風(fēng)、最大風(fēng)力，夜間東南風(fēng)、南、西南風(fēng)、北風(fēng)其系數(shù)的置信區(qū)間都過零點(diǎn)，可以看出這些變量與上文相關(guān)分析和方差分析結(jié)果一致的。

3.3 模型的改進(jìn)［10］

用因子分析方法［9］分別對天氣、溫度、風(fēng)向風(fēng)力提取因子，帶入回歸模型中，得到改進(jìn)模型:

3.4 模型的改進(jìn)的結(jié)果分析與檢驗(yàn)

改進(jìn)的回歸模型系數(shù)計(jì)算與檢驗(yàn)結(jié)果見11。改進(jìn)的回歸模型的回歸顯著性檢驗(yàn)見表12。

表11 改進(jìn)的回歸模型系數(shù)計(jì)算與檢驗(yàn)

表12 改進(jìn)的回歸模型的回歸顯著性檢驗(yàn)

表11模型檢驗(yàn)的R平方值為87.5%，說明模型擬合程度較好。表12的F檢驗(yàn)通過，說明回歸模型顯著，且P值=0.001＜0.1。對于殘差的自相關(guān)檢驗(yàn)D－W值為2.099，說明殘差之間沒有相關(guān)性。

3.5 PM2.5濃度值的預(yù)測

將近期2014年4月搜集到的各因素濃度及天氣、溫度、風(fēng)力風(fēng)向數(shù)據(jù)進(jìn)行預(yù)測，其PM2.5濃度實(shí)際值與預(yù)測值關(guān)系見圖1。

圖1 PM2.5濃度實(shí)際值與預(yù)測值

從圖1中可以看出，觀測值與預(yù)測值很接近，說明預(yù)測效果較好。

4 結(jié)語

通過加虛擬變量的方法綜合考慮天氣、溫度、風(fēng)力風(fēng)向的因素對PM2.5濃度值變化的影響。起初得到的回歸模型檢驗(yàn)性質(zhì)較差，隨后用因子分析方法將模型進(jìn)行改進(jìn)，得到天氣因子、溫度因子、風(fēng)力風(fēng)向因子，將因子、SO2、NO2、可吸入顆粒物(PM10)、CO的濃度與PM2.5濃度值進(jìn)行擬合，得到擬合效果較好的回歸函數(shù)，即PM2.5濃度值可由溫度成份、風(fēng)向風(fēng)力、天氣成份以及SO2、NO2、PM10、CO的濃度等七個(gè)變量解釋的程度達(dá)到87.5%。將近期PM2.5濃度觀測值與預(yù)測值相比較，發(fā)現(xiàn)數(shù)值很接近，說明預(yù)測效果較好。

［1］Appel B R，Tokiwa JH，Hsu J，et al.Visibility as related to atmospheric aerosol constituents［J］.Atmospheric Environment，1985，19 (9):1525－1534.

［2］Senaratne I.Elemental composition in source identification of brown haze in Auckland，New Zealand［J］.Atmospheric Environment，2004，38(19):3049－3059.

［3］Sisler JF，Malm W C.The relative importance of soluble aerosols to spatial and seasonal trends of impaired visibility in the United States［J］.Atmospheric Environment，1994，28(5):851－862.

［4］Chen LW A，Chow JC，Doddridge BQ et al.Analysis of a summertime PM2.5and haze episode in themid－Atlantic region［J］.Jounal of Air＆Waste Manage Association，2003，(53):946－956.

［5］Watson JG.Visibility:Science and regulation［J］.Journal of the Air＆Waste Management Association，2002，52(6):628－713.

［6］Schichtel B A，Husar R B，F(xiàn)alke SR，et al.Haze trends over the U-nited States，1980－1995［J］.Atmospheric Environment，2001，35 (30):5205－5210.

［7］Muraleedharan T R，Radojevic M，Waugh A，et al.Chemical characterization of the haze in Brunei Darussalam during the 1998 episode［J］.Atmospheric Environment，2000，34(17):2725－2731.

［8］楊龍，賀克斌，張強(qiáng)，等.北京秋冬季近地層PM2.5質(zhì)量濃度垂直分布特征［J］.環(huán)境科學(xué)研究，2005(18):23－28.

［9］張濤.計(jì)量經(jīng)濟(jì)學(xué)精要［M］.北京:機(jī)械工業(yè)出版社2009.

［10］林海明.因子分析模型的改進(jìn)與應(yīng)用［J］.數(shù)理統(tǒng)計(jì)與管理.2009(6):135－168

Comprehensive prediction about PM2.5concentrations in the atmosphere

In view of the harm to hamen body PM2.5，in order to predict the PM2.5density and reduce its concentration throough the methods，com prehensive prediction research of PM2.5concentrations are carried out.The research through to the Xian a collection to the observation data analysis of air quality monitoring sites and PM2.5concentrations related factors，and then considering the weather，tem perature，w ind direction on the concentrations o f PM2.5observed value，by adding virtual variable and the method of factor analysis to extract factor，the related factors，the extraction of the weather，temperature，w ind direction factor and PM2.5observed concentration value regression prediction，finally get good prediction effect.

PM2.5;virtual variables;factor analysis;multip le regression

X701.2

:B

:1674－8069(2015)02－001－04

2014-12-20;

:2015-01-12

謝心慶(1988-)，女，回族，河南商丘人，在讀研究生，研究方向?yàn)榻y(tǒng)計(jì)學(xué)。E－mail:celebration.1988@163.com

國家社科基金“新疆地區(qū)冰雹災(zāi)害預(yù)測研究”(14BTJ021)