简介:在应用PM2.5、PM10、SO2、Co、NO2和03六种污染物浓度指标预测的基础上,将最高气温、最低气温、天气现象、风向、风力5种气象条件指标增添到空气污染预测输入变量中,采用K最近邻(KNN)和支持向量机(SVM)两种算法建立北京市空气污染等级分类预测模型。论文采用中国环境监测总站公布的北京市2014年1月1日至2016年4月30日的6种污染物浓度指标数据以及北京市气象台公布的北京市2014年1月1日至2016年4月30日的5种气象条件指标数据进行测试实验。结果发现,KNN模型预测的准确度为83.56%,SVM模型预测的准确度为87.32%,SVM模型在空气污染等级分类预测方面比KNN模型的准确度高出3.76%,建议将来在北京市空气污染等级预测中采用SVM模型以期获得较好的预测和空气污染控制效果。
简介:影响能见度的不仅仅是大气污染物,雾也是一个重要因素。因此,用能见度反映空气质量,需要考虑水汽的作用。在已有的研究结果基础上,构造空气污染指数(API)与能见度和空气相对湿度的数学关系。依据全国10个代表城市2001—2012年逐日API资料和同期08:00(北京时)地面气象资料,运用线性回归方法,确定公式中的待定系数,从而建立利用能见度和相对湿度估算API的统计方程。结果表明:(1)当空气相对湿度小于78%时,能见度主要受空气污染物浓度影响;当空气相对湿度大于96%时,能见度主要受空气湿度影响;当空气相对湿度介于78%~96%时,能见度受空气污染物浓度和空气湿度共同影响;(2)除拉萨和兰州外,其余城市API与能见度和相对湿度的相关程度都通过了α=0.00001的显著性水平,并且相关程度冬半年好于夏半年;(3)API与能见度和相对湿度拟合关系中的参数b0和b,除拉萨、乌鲁木齐和兰州以外,其余城市的变化幅度都比较小;(4)回代检验表明,除个别月份外,绝对误差和相对误差都相对较小,说明API与能见度和空气湿度的数学关系式可以拟合API。
简介:识别空气污染的高社会脆弱性地区,查明空气污染社会脆弱性的影响因素,这对于降低因空气污染造成的社会不平等、提升空气污染防治的效果都至关重要。本文首先提出了面向区域的空气污染社会脆弱性概念模型,并据此建立空气污染社会脆弱性评估的指标体系;进而以省级行政单元作为分析单位,运用投影追踪聚类模型,识别了空气污染社会脆弱性的主要影响因素。其中,排名前五的影响因素分别为:"人均可支配收入"、"本科及以上人口比例"、"每千人医院床位数"、"儿童(14岁及以下人口)"和"城市绿化覆盖率"。同时,通过集成社会脆弱性指数来探索中国空气污染社会脆弱性的时空变化特征。结果表明:2000~2014年,社会脆弱性指数均值保持了逐年下降的趋势。2000~2010年,社会脆弱性指数标准差持续上升,2010年后出现下降。在整个研究周期内,全国各省的社会脆弱性经历了普遍偏高至部分好转再至好转局面扩大的变化。社会脆弱性的好转始于东北局部,再扩展至东部沿海,继而向中西部推进。在空间分布上,中部和西部省份的社会脆弱性偏高,北京和上海的社会脆弱性最低,华北和华东地区的社会脆弱性水平居中。