摘要 本文对空气质量的评价及污染预报问题做了深入具体的研究，运用综合评价、层次分析两种方法对所给六个城市的空气质量进行了具体细致的排序；对2010年9月15日至9月21日的各项污染物浓度、各气象参数运用ARIMA模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了典型相关性分析模型和多元线性回归模型；最后，根据建模过程和结果，我们对相关部门提出了几个具体的建议。 通过将数据附件所给有效数据，即污染物浓度，转化为污染物指数，根据各城市污染指数API的走势曲线图，分析了各个城市不同污染物之间的特点，并依据API指数值，二级达标次数为准，进行了各城市之间空气质量的简单排名。针对API指数排名的劣势性，又建立了综合评价模型，加入主观因素，结合客观计算，对城市空气质量进行排序。受上面两种排序方法的启发，接下来讨论了用层次分析的方法对城市空气质量进行排序。三种方法各有其优点和不足，其中，受到数据影响，只有综合评价模型对六个城市进行了完整排名。 API指数排名 综合评价模型排名 层次分析法排名 E A D B C E F A C B D C E A B D 为了精确预测各城市短期内的数据，本文选用时间序列中的ARIMA模型，对2010年的数据进行分析整理，结合实际测量值对预测效果进行分析，结果显示模型的预测效果显著，能够对所要预测数据进行预测。由于F城市数据的限制，根据假设做了合理的定性分析，并未对其进行定量预测。 分析空气质量与气象参数之间的关系时，根据数据完整性，气象参数应只属于其中一个城市，首先排除了D、E、F的可能性，再根据典型相关性分析的方法，用典型时期（本文选了春冬两季）的数据进行分析，确定了气象参数属于C城市。根据污染物与气象参数之间的因果关系，建立了多元线性回归模型，得出各污染物与各气象参数之间的相关系数，定性分析该相关系数，得出污染物与气象参数之间的关系。最后对该系数的理论与实际意义做了检验，效果良好。 由以上分析及结果，确定部分与空气质量控制相关的部门，针对其职能提出了诚恳建议。 关键词：API综合评价模型 层次分析 ARIMA模型 典型相关性分析 多元回归
本文档为【大气污染预报问题（摘要）】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。
该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。
[版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
浙公网安备 33021202002483