基于主成分分析的空气质量评价研究外文翻译资料
2022-12-29 11:35:28
基于主成分分析的空气质量评价研究
摘要经济增长导致环境容量下降和空气质量恶化。空气质量评价作为环境监测和大气污染控制的基础,已变得越来越重要。本文在主成分分析(PCA)的基础上,对京津冀地区某大城市近10年的空气质量进行评价,确定影响因素,为空气质量管理和空气污染控制提供参考。
1. 介绍
近年来,经济发展和人口增长导致了空气质量的恶化。因此,对大气环境质量进行评价是非常重要的。评价方法主要集中在指标评价、模糊综合评价、灰色聚类、神经网络等方面。然而,这些分析方法也有一些不足之处。例如,指标评价方法不能对空气质量进行综合评价,而模糊综合评价方法需要人为地对各个指标进行权重,难以体现主要指标在空气质量评价中的作用。考虑到环境系统是一个开放的系统,环境质量的变化是各变量综合作用的结果。摘要随着多元统计方法的普及,主成分分析法(PCA)在环境质量评价中得到了广泛的应用。PCA充分考虑各指标之间的相关性,可以最大限度地保留原始信息,通过对高维数据进行降维处理,可以客观地确定各指标的权重,避免主观随机性。本研究采用主成分分析法对某城市近10年的空气质量进行综合评价,为环境质量监测和空气污染控制提供技术支持。
2. 主成分分析的基本原理和分析方法基本原则
PCA的目的是在信息损失最小的情况下,对多变量数据进行全面的简化,掌握问题的主要方面。主成分分析法通过建立映射关系,将复杂的评价指标转化为多个简化的综合评价指标
指标,或者换句话说,将数据从高维数转换为低维数。数学上,通过对i (i=1,2,3,4,hellip;,n)指标进行线性组合,得到一个新的综合指标。第一个线性组合Z1的方差表示原始多变量数据的信息被包含到什么程度。Z1的方差越大,包含的原始信息越多。如果Z1的方差大于任何其他线性组合,则定义Z1为所有线性组合的第一个主成分。将Z1的方差与所有线性组合的总方差之比定义为解释方差,说明Z1具有表示原始数据的能力。解释方差越大,Z1在线性组合中的代表性越大。如果第一个主成分不足以表示原始i指标的信息,则选择第二个线性组合Z2与Z1一起反映原始信息。一般情况下,如果当前j主成分方差占总方差的85%以上,则认为j主成分可以代表最多的信息10。
2.2。分析方法
(1)数据标准化。为了排除不同数量级和维度的影响,使原始数据在同一尺度上具有可比性,需要对数据进行标准化。
(2)协方差矩阵的计算。
(3)协方差矩阵特征值和特征向量的计算。
(4)解释方差的计算,确定主成分。理论上,前n个主成分的累积方差要求大于总方差的85%。
(5)综合评价。选取n个主分量,计算相应的特征向量,并对所选取的主分量给出合理的解释。
3.a市典型污染物变化趋势分析
根据最新修订的环境空气质量标准(gb3095 - 2012)发布的2012年,环境保护部(MEP) PM2.5被纳入常规空气质量监测的范围,其中包括6个空气污染物指标,如二氧化硫(SO2)、二氧化氮(NO2),一氧化碳CO),臭氧(O3)、PM2.5和PM10。本文分析了2005 - 2015年SO2、NO2、PM10等典型污染物的变化趋势,以及2013年GB3095-2012中首次引入PM2.5的2013 - 2015年PM2.5的变化趋势。主要大气污染物年平均浓度如图1所示。
图1所示。主要空气污染物年平均浓度趋势图
总的来说,从2005年到2015年,二氧化硫和二氧化氮的年平均浓度呈下降趋势。在“十一五”期间(2005-2010),两种污染物的浓度逐年下降,而在“十二五”期间(2011-2016),污染物浓度逐年下降
SO2和NO2的平均浓度先升高,在2013-2014年左右达到峰值,然后在2015年下降。2005年至2015年PM10年平均浓度总体呈下降趋势,2013年略有上升,“十二五”后期大幅下降。自2013年开始定期监测PM2.5以来,其浓度呈不断下降趋势
。
可以看出,大气污染物的平均浓度每年略有波动,尤其是PM10的年平均浓度变化较大。此外,“十二五”期间,集中度波动相对较大。一方面,由于“十一五”以来严格的环境保护政策,确定了环境保护、生态建设、节能等强制性指标,造成了这一波动。因此,SO2和NO2的年浓度逐渐下降。另一方面,对城市空气污染物的原始分析表明,建筑活动产生的建筑扬尘是PM10的主要来源。考虑到城市建设活动的相继开展,PM10年均浓度呈现出波动趋势。
4. 基于主成分的分析与评价数据源
a市2005 - 2015年空气质量如表1所示。本文以环境空气质量标准(GB3095-1996, 2012)为评价标准,如表2 11所示。
表1。环境空气质量mg/m3
2005年2006年2007年2008年2010年2011年2013年2014年2015年 |
SO2 0.077 0.065 0.062 0.061 0.055 0.054 0.042 0.048 0.059 0.049 0.029 |
NO2 0.047 0.048 0.043 0.041 0.04 0.045 0.038 0.042 0.054 0.054 0.042 |
PM10 0.106 0.113 0.093 0.088 0.1 0.096 0.093 0.105 0.15 0.133 0.116 |
表2。gb3095 - 1996, gb3095 - 2012 mg / m3
4.2。数据标准化
为消除尺寸效应,具体计算方法如下:
3.
(1)
(2)
(3)
是否有标准化的数据,以及指标i的样本均值和标准差
分别。标准化结果如下。
4.3。求标准化数据的协方差矩阵
利用归一化样本数据计算相关系数,得到协方差矩阵R。
4.4。计算特征值和特征向量。
通过求解协方差矩阵,可以得到特征值、特征向量、解释方差和累积解释方差。具体结果如表3所示,其中,mu;1,mu;2和mu;3代表相应的主成分的特征向量分别为12 - 13。
表3。特征值和特征向量
主成分特征值解释
方差%
累积
解释方差%
特征向量
二氧化硫NO2 PM10
Z1 2.134 71.139 71.139 0.5847 0.5891 0.5578mu;1 Z2 0.488 16.280 87.419 -0.4462 -0.3408 0.8275mu;2 Z3 0.377 12.581 100.000 0.6776 -0.7327 0.0636mu;3
4.5。确定主要组成部分并进行综合评价
根据主成分分析原理,累积解释方差大于85%时可视为主成分。由表3可以看出,前两个特征值的累计贡献率为87.419%,因此需要选择前两个特征值。综合分析Z1和Z2的主要成分,得到综合主成分Z1-2,如表4所示。
表4。主成分,综合主成分和排名
序号1 2 3 4 5 6 7 8 9 10 11 |
2005年2006年2007年2008年2010年2011年2013年2014年2015年 |
Z1 0.6272 0.4298 -0.2556 -0.4642 -0.4538 -0.3679 -1.0770 -0.4952 1.2091 0.5605 -0.8716 |
Z2 -0.3831 0.0857 -0.3157 -0.3931 0.1246 -0.0823 0.2748 0.3928 1.1778 0.9177 1.1686 |
Z1-2 0.3838 0.3197 -0.2333 -0.3942 -0.3025 -0.2751 -0.7214 -0.2883 1.0519 0.5481 -0.4298 |
排名9 8 7 3 4 6 1 5 11 10 2 |
2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)3级(2012)3级(2012)2级(2012) |
主要组成部分可划分为:3级lt;2013lt;2014lt;2005lt;2006lt; 2012标准lt;2级lt;2007lt;2010lt;2012lt; 2009lt;2008lt;2015 lt;2010lt; 1级。因此,可以得出,2005 - 2015年的空气质量按优到劣顺序依次为:2011年、2015年、2008年、2009年、2012年、2010年、2007年、2006年、2005年、2014年、2013年。空气质量在2007年、2008年、2009年、2010年、2012年和2015年,1级和2级之间,应视为2级,与此同时,空气质量在2005年,2006年,2013年和2014年之间三级(2012年),三级(1996年),应被视为三级。
从第一主成分特征向量的构成特征来看,SO2、NO2和PM10在整个空气质量评价中所占比例几乎相等,说明这三种污染物在空气污染中所起的作用相似。因此,对这三种污染物的控制应给予同等的重视。
5. 结果
PCA分析显示,2005年至2015年,城市空气质量总体改善,如图2所示。
图2。大气环境质量主成分分析结果
(1)“十一五”期间,城市空气质量有改善的趋势,但改善程度相对温和,主要取决于“十一五”期间环保措施的实施情况。
综合生态城市建设是我市最重要的环境保护政策,突出区域环境保护、生态建设和强制性节能指标。虽然环境管理比以前加强了很多,但大多数环境保护活动都集中在工业污染控制上,如燃煤电厂和锅炉的脱硫工程、大型集中供热锅炉房建设等。机动车、扬尘和煤炭的广泛使用对大气污染的治理措施很少。因此,城市空气质量在“十一五”期间普遍改善,但也逐渐。
(2)“十二五”期间,城市空气质量波动较大。与2013年以来的后期相比,这一时期前期的空气污染较为严重,这可以归因于随着大气污染物排放的增加,区域经济的快速发展。区域经济,特别是航空航天、石油化工、地铁建设等领域发展迅速,同时机动车的增长速度显著提高。与2006年相比,2012年全市煤炭消费总量增长38.2%,建筑用地面积增长155%,机动车保有量增长101.7%,二氧化硫、氮氧化物排放量分别增长38.3%和192.1%。不幸的是,环境保护措施不断加强,但与区域经济发展同步,因此,在“十二五”初期,城市空气质量恶化。
2013 - 2015年,城市空气质量重回改善轨道,表明新颁布的环境保护政策在区域空气质量改善中发挥了重要作用。在国家层面,2013年,中国政府颁布了新的环境空气质量标准(GB3095-2012),实施了《大气污染控制行动计划》。2015年,《中华人民共和国环境保护法》更新实施。
在区域层面,香港修订了《防止空气污染条例》。特别是2013年出台的《新鲜空气行动计划》,提出了10个方面66项措施,促进区域空气质量改善。重点抓好煤炭消费、扬尘、车辆、工业活动、新建工程等五大大气污染源的严格治理,对PM2.5的控制提出了严格要求。《新风行动计划》规定,到2017年,空气质量要有明显改善,重度污染天数大幅减少,优质/良好空气质量天数逐步增加。全年PM2.5年均浓度比2012年下降25%。通过一系列新政策的实施,环境保护力度空前加强,2015年提前完成上述目标,2013年至2015年大气污染物浓度有所下降。
(3)“十一五”、“十二五”以来,我国环境保护力度不断加大,城市空气质量有所改善。此外,主要大气污染物浓度仍有进一步下降的潜力。
致谢
国家科技支撑计划(2014BAC3B03)、环境保护公益研究计划(201409004)资助。
参考文献
中华人民共和国环境保护部。gb3095 - 2012
环境空气质量标准[S]。北京:中国环境科学出版社,2012
[2]张Fanyong。多属性综合评价方法与实证[J]。
引用本文:统计与决策,2015,(21):65-68。
[3]马光文,何丽环,王晓飞,等。
环境质量及其在典型地区的应用[J]。环境学报,2014,(05):10-15。
剩余内容已隐藏,支付完成后下载完整资料
基于主成分分析的空气质量评价研究
摘要经济增长导致环境容量下降和空气质量恶化。空气质量评价作为环境监测和大气污染控制的基础,已变得越来越重要。本文在主成分分析(PCA)的基础上,对京津冀地区某大城市近10年的空气质量进行评价,确定影响因素,为空气质量管理和空气污染控制提供参考。
1. 介绍
近年来,经济发展和人口增长导致了空气质量的恶化。因此,对大气环境质量进行评价是非常重要的。评价方法主要集中在指标评价、模糊综合评价、灰色聚类、神经网络等方面。然而,这些分析方法也有一些不足之处。例如,指标评价方法不能对空气质量进行综合评价,而模糊综合评价方法需要人为地对各个指标进行权重,难以体现主要指标在空气质量评价中的作用。考虑到环境系统是一个开放的系统,环境质量的变化是各变量综合作用的结果。摘要随着多元统计方法的普及,主成分分析法(PCA)在环境质量评价中得到了广泛的应用。PCA充分考虑各指标之间的相关性,可以最大限度地保留原始信息,通过对高维数据进行降维处理,可以客观地确定各指标的权重,避免主观随机性。本研究采用主成分分析法对某城市近10年的空气质量进行综合评价,为环境质量监测和空气污染控制提供技术支持。
2. 主成分分析的基本原理和分析方法基本原则
PCA的目的是在信息损失最小的情况下,对多变量数据进行全面的简化,掌握问题的主要方面。主成分分析法通过建立映射关系,将复杂的评价指标转化为多个简化的综合评价指标
指标,或者换句话说,将数据从高维数转换为低维数。数学上,通过对i (i=1,2,3,4,hellip;,n)指标进行线性组合,得到一个新的综合指标。第一个线性组合Z1的方差表示原始多变量数据的信息被包含到什么程度。Z1的方差越大,包含的原始信息越多。如果Z1的方差大于任何其他线性组合,则定义Z1为所有线性组合的第一个主成分。将Z1的方差与所有线性组合的总方差之比定义为解释方差,说明Z1具有表示原始数据的能力。解释方差越大,Z1在线性组合中的代表性越大。如果第一个主成分不足以表示原始i指标的信息,则选择第二个线性组合Z2与Z1一起反映原始信息。一般情况下,如果当前j主成分方差占总方差的85%以上,则认为j主成分可以代表最多的信息10。
2.2。分析方法
(1)数据标准化。为了排除不同数量级和维度的影响,使原始数据在同一尺度上具有可比性,需要对数据进行标准化。
(2)协方差矩阵的计算。
(3)协方差矩阵特征值和特征向量的计算。
(4)解释方差的计算,确定主成分。理论上,前n个主成分的累积方差要求大于总方差的85%。
(5)综合评价。选取n个主分量,计算相应的特征向量,并对所选取的主分量给出合理的解释。
3.a市典型污染物变化趋势分析
根据最新修订的环境空气质量标准(gb3095 - 2012)发布的2012年,环境保护部(MEP) PM2.5被纳入常规空气质量监测的范围,其中包括6个空气污染物指标,如二氧化硫(SO2)、二氧化氮(NO2),一氧化碳CO),臭氧(O3)、PM2.5和PM10。本文分析了2005 - 2015年SO2、NO2、PM10等典型污染物的变化趋势,以及2013年GB3095-2012中首次引入PM2.5的2013 - 2015年PM2.5的变化趋势。主要大气污染物年平均浓度如图1所示。
图1所示。主要空气污染物年平均浓度趋势图
总的来说,从2005年到2015年,二氧化硫和二氧化氮的年平均浓度呈下降趋势。在“十一五”期间(2005-2010),两种污染物的浓度逐年下降,而在“十二五”期间(2011-2016),污染物浓度逐年下降
SO2和NO2的平均浓度先升高,在2013-2014年左右达到峰值,然后在2015年下降。2005年至2015年PM10年平均浓度总体呈下降趋势,2013年略有上升,“十二五”后期大幅下降。自2013年开始定期监测PM2.5以来,其浓度呈不断下降趋势
。
可以看出,大气污染物的平均浓度每年略有波动,尤其是PM10的年平均浓度变化较大。此外,“十二五”期间,集中度波动相对较大。一方面,由于“十一五”以来严格的环境保护政策,确定了环境保护、生态建设、节能等强制性指标,造成了这一波动。因此,SO2和NO2的年浓度逐渐下降。另一方面,对城市空气污染物的原始分析表明,建筑活动产生的建筑扬尘是PM10的主要来源。考虑到城市建设活动的相继开展,PM10年均浓度呈现出波动趋势。
4. 基于主成分的分析与评价数据源
a市2005 - 2015年空气质量如表1所示。本文以环境空气质量标准(GB3095-1996, 2012)为评价标准,如表2 11所示。
表1。环境空气质量mg/m3
2005年2006年2007年2008年2010年2011年2013年2014年2015年 |
SO2 0.077 0.065 0.062 0.061 0.055 0.054 0.042 0.048 0.059 0.049 0.029 |
NO2 0.047 0.048 0.043 0.041 0.04 0.045 0.038 0.042 0.054 0.054 0.042 |
PM10 0.106 0.113 0.093 0.088 0.1 0.096 0.093 0.105 0.15 0.133 0.116 |
表2。gb3095 - 1996, gb3095 - 2012 mg / m3
4.2。数据标准化
为消除尺寸效应,具体计算方法如下:
3.
(1)
(2)
(3)
是否有标准化的数据,以及指标i的样本均值和标准差
分别。标准化结果如下。
4.3。求标准化数据的协方差矩阵
利用归一化样本数据计算相关系数,得到协方差矩阵R。
4.4。计算特征值和特征向量。
通过求解协方差矩阵,可以得到特征值、特征向量、解释方差和累积解释方差。具体结果如表3所示,其中,mu;1,mu;2和mu;3代表相应的主成分的特征向量分别为12 - 13。
表3。特征值和特征向量
主成分特征值解释
方差%
累积
解释方差%
特征向量
二氧化硫NO2 PM10
Z1 2.134 71.139 71.139 0.5847 0.5891 0.5578mu;1 Z2 0.488 16.280 87.419 -0.4462 -0.3408 0.8275mu;2 Z3 0.377 12.581 100.000 0.6776 -0.7327 0.0636mu;3
4.5。确定主要组成部分并进行综合评价
根据主成分分析原理,累积解释方差大于85%时可视为主成分。由表3可以看出,前两个特征值的累计贡献率为87.419%,因此需要选择前两个特征值。综合分析Z1和Z2的主要成分,得到综合主成分Z1-2,如表4所示。
表4。主成分,综合主成分和排名
序号1 2 3 4 5 6 7 8 9 10 11 |
2005年2006年2007年2008年2010年2011年2013年2014年2015年 |
Z1 0.6272 0.4298 -0.2556 -0.4642 -0.4538 -0.3679 -1.0770 -0.4952 1.2091 0.5605 -0.8716 |
Z2 -0.3831 0.0857 -0.3157 -0.3931 0.1246 -0.0823 0.2748 0.3928 1.1778 0.9177 1.1686 |
Z1-2 0.3838 0.3197 -0.2333 -0.3942 -0.3025 -0.2751 -0.7214 -0.2883 1.0519 0.5481 -0.4298 |
排名9 8 7 3 4 6 1 5 11 10 2 |
2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)2级(2012)3级(2012)3级(2012)2级(2012) |
主要组成部分可划分为:3级lt;2013lt;2014lt;2005lt;2006lt; 2012标准lt;2级lt;2007lt;2010lt;2012lt; 2009lt;2008lt;2015 lt;2010lt; 1级。因此,可以得出,2005 - 2015年的空气质量按优到劣顺序依次为:2011年、2015年、2008年、2009年、2012年、2010年、2007年、2006年、2005年、2014年、2013年。空气质量在2007年、2008年、2009年、2010年、2012年和2015年,1级和2级之间,应视为2级,与此同时,空气质量在2005年,2006年,2013年和2014年之间三级(2012年),三级(1996年),应被视为三级。
从第一主成分特征向量的构成特征来看,SO2、NO2和PM10在整个空气质量评价中所占比例几乎相等,说明这三种污染物在空气污染中所起的作用相似。因此,对这三种污染物的控制应给予同等的重视。
5. 结果
PCA分析显示,2005年至2015年,城市空气质量总体改善,如图2所示。
图2。大气环境质量主成分分析结果
(1)“十一五”期间,城市空气质量有改善的趋势,但改善程度相对温和,主要取决于“十一五”期间环保措施的实施情况。
综合生态城市建设是我市最重要的环境保护政策,突出区域环境保护、生态建设和强制性节能指标。虽然环境管理比以前加强了很多,但大多数环境保护活动都集中在工业污染控制上,如燃煤电厂和锅炉的脱硫工程、大型集中供热锅炉房建设等。机动车、扬尘和煤炭的广泛使用对大气污染的治理措施很少。因此,城市空气质量在“十一五”期间普遍改善,但也逐渐。
(2)“十二五”期间,城市空气质量波动较大。与2013年以来的后期相比,这一时期前期的空气污染较为严重,这可以归因于随着大气污染物排放的增加,区域经济的快速发展。区域经济,特别是航空航天、石油化工、地铁建设等领域发展迅速,同时机动车的增长速度显著提高。与2006年相比,2012年全市煤炭消费总量增长38.2%,建筑用地面积增长155%,机动车保有量增长101.7%,二氧化硫、氮氧化物排放量分别增长38.3%和192.1%。不幸的是,环境保护措施不断加强,但与区域经济发展同步,因此,在“十二五”初期,城市空气质量恶化。
2013 - 2015年,城市空气质量重回改善轨道,表明新颁布的环境保护政策在区域空气质量改善中发挥了重要作用。在国家层面,2013年,中国政府颁布了新的环境空气质量标准(GB3095-2012),实施了《大气污染控制行动计划》。2015年,《中华人民共和国环境保护法》更新实施。
在区域层面,香港修订了《防止空气污染条例》。特别是2013年出台的《新鲜空气行动计划》,提出了10个方面66项措施,促进区域空气质量改善。重点抓好煤炭消费、扬尘、车辆、工业活动、新建工程等五大大气污染源的严格治理,对PM2.5的控制提出了严格要求。《新风行动计划》规定,到2017年,空气质量要有明显改善,重度污染天数大幅减少,优质/良好空气质量天数逐步增加。全年PM2.5年均浓度比2012年下降25%。通过一系列新政策的实施,环境保护力度空前加强,2015年提前完成上述目标,2013年至2015年大气污染物浓度有所下降。
(3)“十一五”、“十二五”以来,我国环境保护力度不断加大,城市空气质量有所改善。此外,主要大气污染物浓度仍有进一步下降的潜力。
致谢
国家科技支撑计划(2014BAC3B03)、环境保护公益研究计划(201409004)资助。
参考文献
中华人民共和国环境保护部。gb3095 - 2012
环境空气质量标准[S]。北京:中国环境科学出版社,2012
[2]张Fanyong。多属性综合评价方法与实证[J]。
引用本文:统计与决策,2015,(21):65-68。
[3]马光文,何丽环,王晓飞,等。
环境质量及其在典型地区的应用[J]。环境学报,2014,(05):10-15。
剩余内容已隐藏,支付完成后下载完整资料
资料编号:[276608],资料为PDF文档或Word文档,PDF文档可免费转换为Word