1. 研究目的与意义及国内外研究现状

近年来，随着我国经济迅速发展，城市大气中排放的污染物不断增加，我国多地持续爆发了大规模的雾霾污染事件。“雾霾”一词从2013年以来，已经连续三年登上十大榜单。北京更是雾霾天气的多发区和重灾区，其雾霾天气来源复杂、广泛，而且随着时空和气象条件变化而变化。北京市雾霾天气的形成，与本地污染物排放、区域污染物传输和气象条件影响等因素密切相关。雾霾天气极大程度上影响公众健康和生产生活，也带来了极大的社会经济损失。因此，对雾霾天气的影响因素进行深入分析，开展雾霾天气预测研究，对推进我国城市的大气污染防控，提高城市空气质量以及保证公众健康水平有重要的科学价值和实际意义。

国内外研究现状

我国早期研究主要集中于大气颗粒物（TSP、PM_2.5、PM₁₀）的质量浓度、化学成分的时空分布等，研究地域多集中在北京、上海、珠江三角洲等人口稠密的大城市及地区。现阶段，由于区域性的雾霾天气频发，使众多学者将研究重点聚焦在区域污染方面。徐祥德通过分析北京重度雾霾期间周边省市污染物扩散轨迹，发现天津，河北、山西和山东的重工业城市排放的污染物加剧了北京大气污染的恶化程度，指出控制北京的雾霾污染不仅要从本地区入手，而且要防止周边地区的污染物输入。吴蒙等从珠三角地区多年的气象观测资料入手，发现当空气湿度偏大、主导风向为东南及东南偏南风、风速较小时易出现雾霾夭气，而当大气扩散条件较好时空气质量通常为优良，这表明，在同等污染物排放强度下，气象因素可加剧或缓解雾霾污染的程度。国外有许多针对城市雾霾期间大气污染特征的研究，英国的Taylo等早在1917年就开展了外场试验研究，指出辐射雾形成的必要条件，并且Willettb对欧洲雾霾天气形成的天气背景、原因及其类型的特征进行了详细说明。Meyer等还分析了一次辐射雾的雾一霾转化过程。Eldridge等对雾霾过程的气溶胶粒子谱进行了分析，并讨论了雾霾过程中的消光作用。Podzimek等列给出了霾与雾中粒子的浓度及谱分布特点。

2. 研究的基本内容

本文主要对北京市雾霾天气成因进行研究分析及预测。将空气质量指数aqi作为分析对象，将雾霾天气的影响因素pm_2.5、pm₁₀、co、no₂、 so₂、o₃、最高气温，最低气温共8个因子作为分析因素。采用灰色模型与bp神经网络模型分析方法，建模探讨分析因素与aqi的相关性，并对模型拟合度进行检验；接着引入时间效应，建立arma模型对北京市的雾霾天气进行序列预测分析。

1、进行灰色建模分析：首先对所有变量进行关联度分析并排序，然后按照aqi指数与其影响因素之间的关联度，逐步选取5-7个显著变量建立灰色预测模型。

2、bp神经网络模型分析：首先基于bp神经网络采用平均影响值法对8个自变量进行筛选，然后采用三层神经网络进行分析，选取后面的样本作为训练数据，前面样本作为测试数据，经过对网络的多次训练，得出较好的bp神经网络。利用已训练好的网络，将测试数据代入网络模型中进行预测，输出预测值及预测相对误差，观察所构建的神经网络的拟合度。

3. 实施方案、进度安排及预期效果

实施方案：文章采取定量与定性结合的方法，通过建模对雾霾天气进行影响因素分析及预测。利用北京雾霾的相关数据，通过建立灰色模型与bp神经网络模型及arma模型对雾霾影响因素进行具体分析，以此对北京市治霾提供建议。

进度安排：1月份，完成数据搜集；2—4月完成建模分析并撰写论文初稿；5月完成论文。

预期效果：选取出雾霾天气的主要影响因素，预测雾霾天气，提出治理雾霾的合理建议。

4. 参考文献