基于多元回归分析的PM2.5预测研究

摘 要：PM2.5對人体健康和大气环境质量的影响众所周知，分析、预测PM2.5浓度对污染天气防治与干预有着非常重要的作用。利用灰色关联度、多元回归分析等方法对全国各大城市空气质量进行了研究，分析了影响PM2.5浓度的主要因素并进行了影响程度排序，构建了PM2.5预测模型并进行了预测实践，为我国环境空气质量预报和污染天气防治干预提供了有效的决策信息。

关键词：PM2.5; 预测; 灰色关联度; 多元回归分析

中图分类号： TP399;O141.4

文献标志码： A

Abstract：PM2.5 is well known for its impact on human health and air quality， and the prediction of PM2.5 concentration plays a very important role in the prevention and intervention of pollution weather. The paper studies air quality of major cities across the country by grey relational degree and multiple regression analysis， combs the main influencing factors of PM2.5 concentration， constructs a PM2.5 prediction model and performs a predictive analysis. The research results provide effective decision-making information for prevention and intervention of pollution weather.

Key words：PM2.5; Prediction; Grey relational degree;  Multiple regression analysis

0 引言

PM2.5是指大气中直径小于或等于2.5微米的颗粒物，也称为可入肺颗粒物。PM2.5粒径小，富含大量的有毒、有害物质且在大气中的停留时间长[1]、输送距离远，因而对大气环境质量和人体健康有着非常重要的影响[2-3]。随着人们生活质量水平的不断提高，人们对空气质量状况及自身健康状况的重视程度日益增强，环境空气质量问题成了公众最为关注的热点问题[4-5]。PM2.5作为衡量空气质量状况的重要指标，越来越多的人开始关注并进行研究[6]。从研究内容上看，侧重于PM2.5影响因素分析，而对PM2.5的预测分析较少涉及。随着政府部门相关环境政策的相继出台，人们对环境空气质量预报的精准度要求愈来愈高，政府相关部门需要根据预报情况做出相应判断、采取相应干预措施[7-8]。

根据相关研究[9-10]，空气重污染形成受气象、污染物排放及地理条件等因素影响。地理条件影响不可避免。就某一地区而言，气象条件及污染物排放是影响其PM2.5浓度的主要因素[11]。利用灰色关联度、多元回归分析等方法对空气质量进行研究、预测，定性定量分析污染程度及污染规律，为环境空气质量预报和污染天气防治干预提供更为有效的决策信息。

1 模型准备

1.1 数据资料来源

观测数据来源于《中国统计年鉴-2018》，包括PM2.5平均浓度，气象数据（降水量、平均气温、平均相对湿度），污染物排放量（工业二氧化硫排放量、工业氮氧化物排放量、工业烟（粉）尘排放量、生活二氧化硫排放量、生活氮氧化物排放量、生活烟尘排放量）。

1.2 研究方法

运用灰色关联度对PM2.5平均浓度和气象指标、工业污染物排放量、生活污染物排放量进行关联分析，得到各类因素对PM2.5平均浓度的影响结果，从而筛选出主要影响因素。对于主要影响因素，根据已知数据，通过多元回归的方法建立PM2.5浓度预测模型，并对PM2.5进行预测分析。

2 PM2.5影响因素分析

根据参考文献[12]，采用灰色绝对关联度、灰色相对关联度以及灰色归一关联度方法对PM2.5平均浓度及各类影响因素进行关联分析，分析结果见表1、表2、表3所示。

从预测结果可以看出：所测30个城市中，有26个城市预测值与实际值相对误差小于0.05，仅有4个城市预测值与实际值相对误差介于0.05与0.10之间，预测结果较为真实，模型可信度高。

5 总结

本研究仅考虑气象因素、工业污染物排放量及生活污染物排放量建立全国各大城市PM2.5平均浓度预测模型，预测值与实际值之间保持了高度的一致性。模型精准度高、可靠性强，可作为各大城市预估PM2.5年平均浓度的依据和参考。研究发现，生活污染物是大气的主要污染源之一，就某一个地方而言，生活氮氧化物是影响PM2.5浓度的最主要因素[13]，各地区应继续加大污染治理的力度，拆除低吨位燃煤锅炉，强制治理汽车尾气[14-15]，切实降低生活氮氧化物排放量，提升空气质量。

参考文献

[1] 黄绍祥，高明.典型污染天气下PM2.5和PM10成因分析[J].环境科学导刊，2019（38）：48-50.

[2] 艾瑞瑞.气象条件与环境污染对PM2.5浓度的影响[J].环境与发展，2018（12）：57-59.

[3] 桑会勇，李爽，魏英策，等.京津冀地区PM2.5/PM10浓度时空分布监测与分析[J].测绘科学，2019（4）：1-10.

[4] 王娟.基于MATLAB的全国各大城市空气质量指数研究[J].自动化与仪器仪表，2017（6）：8-9.

[5] 肖璐，郎艺超，夏浪，登.基于多源数据的PM2.5浓度时空分布预测与制图[J].环境科学，2017（12）：4913-4923.

[6] 王德冬，秦聪.区域PM2.5时空回归建模与预测[J].中国环境监测，2019（10）：107-113.

[7] 张天航，王继康，张恒德，等. 一种最优多模式集成方法在我国重污染区域 PM2.5浓度预报中的应用[J].环境工程技术学报，2019（5）：520-530.

[8] 刘文军，郑国义，田学，等.西安市PM2.5相关因素多元回归分析模型[J].经济数学，2015（1）：89-92.

[9] 潘锦秀，晏平仲，孙峰，等.多元线性回归方法对北京地区PM2.5预报的改进应用[J] .中国环境监测，2019（4）：43-52.

[10] 叶莉，李欣广.空气质量对我国入境旅游收入的影响[J] .统计与决策，2019（8）：101-104.

[11] 彭颖蓓，刘国彬，田霄，等. 典型城市PM2.5的污染特征、来源及影响因素分析[J]. 环境工程，2019（37）：166-169.

[12] 吴鹏. MATLAB高效编程技巧与应用：25个案例分析[M] .北京：北京航空航天大学出版社，2010.

[13] 贾春光.深度学习在PM2.5预测中的应用[J].现代计算机，2019（6）：6-11.

[14] 周颖璇. 基于灰色关联度分析法的PM2.5影响因素分析[J].管理观察，2014（15）：14-16.

[15] 李经纬，张佳慧，贾立明，等. 利用模糊综合评价法对大庆市环境空气质量变化规律的分析研究[J].环境科学与管理，2019（5）：183-188.

（收稿日期：2019.11.20）