论文部分内容阅读
本文针对西北五个省省会城市大气污染问题,采用主成分—聚类多元分析方法建立合理的空气质量评价模型,同时采用GM(1,1)分析法和GNNM(1,1)研究西北五个省会城市的空气质量。首先,依据大气环境质量的五项主要指标作为原始数据,其中包含二氧化硫)(2SO、二氧化氮)(2NO、一氧化碳)(CO、可吸入颗粒物(PM10粒子直径小于等于10um)以及细颗粒物(PM5.2粒子直径小于等于5.2um)。对西北五个省会城市的大气环境质量进行定性变量分析,排序。利用主成分分析法提取出三个主成分反应各指标,F1是代表工业污染因素。F2是反应民用采暖的。F3体现了扬尘因素。将每个城市的综合得分进行聚类分析,将大气环境质量从1(非常好)到3(非常差)分为三层次。在聚类分析中,得出的结论是有“塞上江南”之称的银川综合得分最高,被划为第一类。兰州市与西宁市的空气质量排在第二类。第三类是西安市与乌鲁木齐市,空气环境质量亟需采取措施保护。其次,对于西北五个省会大气环境质量预测,采用GM(1,1)分析法。针对大气质量环境污染物浓度的特点,将灰色神经网络模型GNNM(1,1)引入大气环境质量预测。GNNM(1,1)模型是把灰色方法与神经网络有机结合起来,对复杂的不确定性问题进行求解所建立的模型。该模型通过建立一个神经网络,来映射GM(1,1)模型的灰色微分方程的解。网络经训练收敛后就可进行大气环境质量浓度预测。计算表明,与灰色预测方法相比,GNNM(1,1)模型具有更强的适应性和更高的预测精度,适用于城市质量浓度预测。本文采用了主成分-聚类评价方法建立了评价模型,增强了评价结果的客观性与准确性,比定常加权模型更科学。然后,根据主要空气污染物质量浓度建立灰色模型。在此基础上,又建立了灰色神经网络模型,较好地讨论了大气污染物浓度与气象参数的关系。经过检验分析知灰色神经网络模型是解决非线性问题的有力工具,可以有效的应用于环境空气质量预测。