论文总字数：39962字

摘 要

：雾霾天气是一种城市气候灾害,雾霾会对城市的大气环境产生严重的危害.本文根据2014年淮安市气象数据和空气污染物监测数据,分析淮安市天气状况与以及之间的相关关系,运用DPS因子分析方法挖掘影响雾霾的公共因子.再运用SPSS逐步回归法、向后筛选策略模型方法建立回归模型,剖析淮安市天气状况与雾霾之间的关系[1-3].

关键词：雾霾, ,因子分析,线性回归

Abstract:Haze weather is a kind of urban climate disasters, it can produce serious harm of urban atmospheric environment. According to the meteorological data and air pollution monitoring data of Huaian in 2014, the author analyzes on the weather conditions and the relationship between PM2.5 and PM10, uses the DPS factor analysis method to unearth the influence of public factors of haze, uses the SPSS stepwise regression method and the backward selection strategy model method to establish regression model, and analyzes the correlation between weather conditions and haze.

Keywords: fog and haze, ,factor analysis,linear regression.

目录

1 引言 4

2 淮安天气状况综合分析 5

2.1原始数据的检验 6

2.2原始数据分析 7

2.3 因子分析结果 8

3 主要指标与PM2.5分析 9

3.1温度与PM2.5 10

3.2湿度与PM2.5 11

3.3气压与PM2.5 12

3.4风速与PM2.5 12

3.5能见度与PM2.5 12

4 多元线性回归模型 13

4.1多元线性回归 14

4.2多元线性回归模型建立 14

4.2.1 PM10模型的分析与建立 14

4.2.2 PM2.5模型的建立 18

结论 26

参考文献 27

致谢 28

附录 29

1 引言

随着经济发展与城市化进程的加快以及机动车保有量的迅速增加,向大气排放的污染物不断增多,导致大气污染日趋严重,雾霾天气也不断增多,2014年深秋季节,淮安雾霾恶劣天气频繁出现.雾霾天气不但给人们带来极大的交通不便以及生命危险,而且造成了严重的环境污染,影响人们的身体健康.受雾霾天气的影响．淮安市部分医院收治的呼吸系统疾病的患者明显增加．气象专家的调查和医学专家的临床实践证明,由各种原因造成的雾霾天气对人体健康形成的伤害远远比沙尘暴的危害大得多．健康成为人们关注的热点之一.在交通出行方面,雾霾形成后,大气能见度明显降低,极易引发交通事故.这种恶劣的天气环境不仅仅给人们的交通出行带来麻烦,而且还会给人们的健康安全造成极其严重的后果.

可以说,我们对雾霾并不陌生,可雾霾又是什么呢？是如何造成如此严重的环境污染呢？首先我们要明确雾霾的定义.“雾霾”其实是“雾”和“霾”两种东西,当空气中有大量灰尘、硫酸、硝酸和有机碳氢化合物,且空气的水平能见度小于10000米时,就将这种非水成物组成的气溶胶系统造成的视程障碍成为霾,而“雾”是由大量悬浮在近地面空气中的微小水滴或冰晶组成的气溶胶系统,也会使空气的透明度降低,使得能见度恶化[4-6],而当“雾”和“霾”同时发生时,就形成雾霾.许多研究发现在“霾”中最主要的成分为细微颗粒物,包含了PM2.5和PM10等及其它细小所不为人肉眼所见的颗粒,其中通常把空气动力学当量直径在10微米以下的颗粒物称为PM10,又称为可吸入颗粒物或飘尘.可吸入颗粒物的浓度以每立方米空气中可吸入颗粒物毫克数表示.飘尘是指能在大气中长期漂浮的悬浮物质[7].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.

本文采用统计学方法系统分析淮安市2014年天气状况与雾霾之间的关系为探讨天气状况与雾霾形成的内在关系、分析雾霾天气的成因、雾霾天气的预防等提供依据.因此通过研究淮安市天气状况与雾霾关系,可以及时了解雾霾天气形成原因及影响因素之间的关系,在此基础上人们可以根据个人的需要及时采取相应措施防治雾霾对身体造成危害.

2 淮安天气状况综合分析

2.1原始数据的检验

在进行因子分析之前,需要先对数据进行相关系数矩阵检验、巴特利特球度检验和KMO检验,由于本次使用软件为DPS,故在检验之前需要对数据指标进行描述并定义.

选取指标：环境空气质量日均浓度：SO2 、NO 、NO2 、NOX、CO  、O3、

PM10 、PM2.5

气象因子参数：风速、风度、温度、湿度、气压、能见度

定义指标如下：

:SO2      :NO  :NO2         :NOX :CO      :O3 :PM10 :PM2.5 :风速 :风向 :温度

:湿度 :气压 :能见度

据检验结果我们可知,部分的相关系数都较高,各变量呈现出较强的线性关系,能够从中提取公共因子,适合进行因子分析.经Bartlett检验表明：Bartlett值=8599.9247,Plt;0.0001,如果显著性水平α为0.05,由于概率P-值小于显著性水平α,则应拒绝原假设,认为相关系数矩阵与单位阵有显著差异即相关矩阵不是一个单位矩阵,故考虑进行因子分析.

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.是用于比较观测相关系数值与偏相关系数值的一个指标,其值愈逼近1,表明对这些变量进行因子分析效果愈好,本文KMO值=0.7474,意味着用因子分析比较好.检验结果如下表.

剩余内容已隐藏，请支付后下载全文，论文总字数：39962字