摘 要

这些年来颗粒物污染问题成为了人们关注的新热点，可吸入颗粒物会对人的身体健康造成十分严重的危害，所以颗粒物污染的防治工作也越来越被人们所重视。本文主要研究了可吸入颗粒物浓度与其影响因子的相关性，分析了各影响因子对颗粒物的影响程度，对于从根源上控制颗粒物污染有着重要的意义。

本文主要完成了大气可吸入颗粒物、气体污染物和气象因子数据采集方法的选择以及其数据采集系统配置的介绍。本文使用的可吸入颗粒物浓度以及气体污染物浓度数据来源于中国环境监测总站对武汉市数据的公示，气象因子的数据来源于weather.com上对武汉市数据的公示。基于Matlab编程，采用置信区间算法对采集的数据进行预处理，建立了可吸入颗粒物浓度与其影响因子之间的多元线性回归模型，并求出可吸入颗粒物浓度与其影响因子之间的相关系数，分析了可吸入颗粒物浓度与其影响因子的相关程度。

由于污染物浓度不能直观地反映空气质量的好坏，这时通常会使用空气质量指数来表示空气质量情况。通过计算各污染物对应的空气质量分指数并求出空气质量指数与公示的数据进行对比，验证了计算的正确性并找出了影响空气质量指数的首要污染物，并对武汉市的空气质量进行了评估分析。

关键词：可吸入颗粒物；气体污染物；气象因子；多元线性回归；空气质量指数

Abstract

The problem of particulate matter pollution has become a new hot spot in people's attention in recent years. Inhalable particulate matter can cause serious harm to people's health. Therefore, the prevention and control of particulate matter pollution has been paid more and more attention. This paper mainly studies the correlation between the concentration of inhalable particulate matter and its influencing factors, and analyzes the influence degree of each influencing factor on particulate matter, which is of great significance for controlling particulate matter pollution from the root source.

This paper mainly completed the selection of data collection methods for atmospheric respirable particulate matter, gas pollutants and meteorological factors, and the introduction of its data acquisition system configuration. The data on the concentration of inhalable particulate matter and the concentration of gaseous pollutants used in this paper are derived from the publicity of Wuhan City Data from China Environmental Monitoring Station. The data of meteorological factors are derived from the publicity of Wuhan City data on weather.com. Based on Matlab programming, the confidence interval algorithm was used to preprocess the collected data, and a multiple linear regression model between the concentration of inhalable particles and its influencing factors was established, and the correlation coefficient between the concentration of inhalable particles and its influencing factors was determined. The degree of correlation between the concentration of inhalable particulate matter and its impact factor.

Since the concentration of pollutants does not intuitively reflect the quality of the air, an air quality index is often used to indicate air quality. By calculating the air quality sub-index corresponding to each pollutant and comparing the air quality index with the public data, the correctness of the calculation is verified and the primary pollutants affecting the air quality index are found, and the air quality of Wuhan is obtained. An evaluation analysis was conducted.

Key words: inhalable particulate matter; gas pollutants; meteorological factors; multiple linear regression; air quality index

目 录

第1章 绪论 1

1.1 研究的目的及意义 1

1.2 国内外研究现状 2

1.3 研究的基本内容 3

第2章 系统总体方案设计 4

2.1 系统的设计流程 4

2.2 颗粒物及各影响因素测量方法选择 5

2.2.1 颗粒物浓度测量方法选择 5

2.2.2 NO₂浓度测量方法选择 5

2.2.3 SO₂浓度测量方法选择 6

2.2.4 CO浓度测量方法选择 6

2.2.5 O₃ 浓度测量方法选择 7

2.2.6 其余影响因子数据获取方法选择 8

2.3 实验数据预处理方法选择 8

2.3.1 无效数据的剔除 8

2.3.2 缺失数据的处理 9

2.4 相关模型建立方法选择 9

第3章 检测系统的硬件配置 11

3.1 颗粒物检测电路配置 11

3.1.1 采样单元配置 11

3.1.2 检测单元配置 12

3.1.3 控制单元配置 13

3.2 气体污染物检测电路硬件配置 14

3.2.1 NO₂测量仪器系统配置 14

3.2.2 SO₂测量仪器系统配置 15

3.2.3 CO测量仪器系统配置 16

3.2.4 O₃测量仪器系统配置 16

第4章 软件程序设计及数据处理 17

4.1 数据的获取 17

4.2 数据的预处理 18

4.2.1 无效数据的剔除 18

4.2.2 缺失数据的处理 18

4.3 Excel表格数据导入 19

4.4 主要程序设计 20

第5章 多元线性回归模型的建立及相关性分析 21

5.1多元线性回归模型的建立 21

5.2 颗粒物浓度与气体污染物相关性分析 22

5.2.1颗粒物浓度与NO₂浓度相关性 22

5.2.2颗粒物浓度与SO₂浓度相关性 23

5.2.3颗粒物浓度与CO浓度相关性 24

5.2.4颗粒物浓度与0₃浓度相关性 25

5.2.5颗粒物浓度与温度相关性 26

5.2.6颗粒物浓度与气压相关性 27

5.2.7颗粒物浓度与风速相关性 28

5.2.8颗粒物浓度与湿度相关性 29

5.3 颗粒物浓度与影响因子相关性分析 30

第6章 空气质量指数计算与结果分析 31

第7章 总结与展望 34

7.1 总结 34

7.2 展望 34

参考文献 35

附录 36

致谢 40

第1章 绪论

1.1 研究的目的及意义

颗粒物排放问题的日益严重引起了人们对其的重视，国际上也把对颗粒物浓度的控制作为保护环境的优先问题。颗粒物的特点、产生途径、有何危害等各个方面的问题也逐渐成为了人们关注的重点。本文拟通过从当地环保组织获取可吸入颗粒物浓度以及其影响因子的数据，并实现数据的预处理即无效数据的剔除和缺失数据的填补，将处理后的数据用于建立可吸入颗粒物浓度与其影响因子之间的多元线性回归模型，求出多元线性回归模型的各项回归系数。同时通过Matlab来计算可吸入颗粒物浓度与主要气体污染物浓度以及主要气象要素之间的相关系数，以研究大气可吸入颗粒物浓度与其影响因子的相关程度。

在城市中的工业废气、汽车尾气以及空气中的灰尘等会导致大气中含有大量的颗粒物。空气中的水汽还会与颗粒物、细菌和病毒等污染物相结合，这时便会形成雾霾，雾霾天气对人体健康的危害十分严重^[1]。雾霾顾名思义由雾和霾组成，其中霾的危害比起雾来更严重。霾中含有大量直径不足0.01μm的飘浮态颗粒物，这些颗粒物可以通过人的呼吸进入到呼吸系统中并在人体内的支气管，甚至肺部中沉积。所以人们最容易受到霾损害的就是呼吸系统，长时间接触霾造成的疾病也主要集中在呼吸道、脑血管、鼻腔等部位上。除此之外，在发生灰霾天气时，由于气压降低会使得空气中可吸入颗粒物的浓度骤增，而且此时空气流动性差，有害物质向周围扩散的速度变慢，使空气中有害物质浓度增高，疾病传播的概率提高。欧洲的一些流行病学家发现患肺癌的风险与局部地区的空气污染物颗粒的浓度有明显的关联，一项研究指出，即使颗粒的浓度低于法律所规定的阈值，长期暴露于含有污染物颗粒的空气中也会增加患肺癌的风险^[2]。另外则有一项报告称，如果颗粒物或其他空气污染物在短期内浓度飙升，会使患心脏病的风险变大。另外一部分学者通过研究还发现，即使污染水平升高的时间很短——类似气象局发出雾霾浓度过高的警告的同时，这同样也会导致因心脏有关问题住院或死亡的风险上升2%—3%。美国的相关学者也发现假如每立方米空气中的PM2.5浓度减少3.9μg，每年就会少大约8000 例因心脏问题而导致的住院治疗^[3]。故研究如何控制颗粒的浓度对保持人们身体健康具有十分重要的意义。

我国环境空气质量标准中也对颗粒物以及各种污染气体浓度限值有所规定，具体数值见图1.1。

图1.1 污染物浓度限值

1.2 国内外研究现状

国内外的学者也就颗粒物有关的问题进行了大量的探索，当前主要研究方向为颗粒物的来源、化学组成等，但是对于颗粒物浓度的时空变化特性以及颗粒物浓度及其影响因子的相关性研究则相对较少。国外对于颗粒物的研究工作起步相对较早，其中以美国最为突出，美国对于颗粒物研究最早、也是最深入的。美国在1997年时第一个提出了颗粒物的监测标准，2010年底美国和其他主要发达国家都已将颗粒物浓度加入了空气质量检测标准之中，并对颗粒物的排放进行了严格的控制^[4]。相比之下中国对颗粒物的研究相对起步较晚，但随着近年来环境逐渐恶化，颗粒物的危害日益显露出来，颗粒物的研究也引起了人们的重视。2012年国家环境保护部门也将空气污染指标中加入了颗粒物PM2.5和PM10这两种指标，同时将这两种指标纳入环保质量评估，并与政府官员政绩挂钩^[5]。环境检测站需要上报的空气质量日报、空气质量月报中均包括PM2.5和PM10浓度指标。国内学者的早期研究成果主要是针对颗粒物的成分分析，但随着环境问题日益受到人们关注，国内学者对颗粒物的其他性质的研究也逐渐深入。

通过查阅各种文献可以了解到，国外对于颗粒物的来源、成分等方面的研究已经进行的比较深入，尤其是发达国家，他们很早就设立了颗粒物的监测标准，建设了许多颗粒物监测站。在研究技术层面，他们运用了大量的研究模型，建立了详尽的监测网络，对于控制颗粒物的污染已经有了许多的成果。近年来，国内对于颗粒物的研究工作虽然也取得了一定的成果，但是研究的范围并不广泛，仅仅是覆盖了经济较为发达的城市和地区，并且现有的研究成果主要针对颗粒物的来源、化学组成等方面，而对颗粒物浓度的时空变化特性以及其影响因子的研究相对较少，这仍然需要国内学者不断探索完善，以取得我国自主发现的相关成果。

1.3 研究的基本内容

对武汉市的PM2.5、PM10、CO、SO₂、NO₂、O₃的浓度以及温度、气压、湿度、风速等气象因子的数据进行收集。基于以上收集的数据，拟探究可吸入颗粒物浓度与主要气体污染物浓度和主要气象因子之间的相关关系。通过以上的数据来编程设计一种Matlab软件计算方法，计算可吸入颗粒物浓度与主要气体污染物浓度和主要气象因子之间的相关系数，建立可吸入颗粒物浓度与其他参数之间的多元线性回归模型，并求出回归模型的系数。以此来分析可吸入颗粒物浓度与主要气体污染物浓度和主要气象因子之间的相关性。通过计算各污染物对应的空气质量分指数求出空气质量指数并与公示值进行对比，验证计算的正确性，并找出影响空气质量的首要污染物，以此来分析武汉市的空气质量状况。

第2章 系统总体方案设计

2.1 系统的设计流程

本次设计要完成的主要任务有颗粒物和气体污染的测量方法的选择、测量仪器的配置信息以及它们浓度数据，并获取气象因子如温度、气压、湿度、风速的数据。通过Matlab对收集来的数据进行预处理，并进行相关的数据分析以研究颗粒物与其影响因子的相关性。具体设计流程见图2.1。

图2.1 设计流程图

2.2 颗粒物及各影响因素测量方法选择

2.2.1 颗粒物浓度测量方法选择

测量颗粒物浓度的主要方法有三种：称重法、微量振荡天平法以及β射线吸收法^[6]。称重法：用天平来测量通过滤膜后遗留下来的颗粒物的质量，以此来计算出空气中的颗粒物的浓度。称重法的优点是：颗粒物的浓度测量值最为准确。缺点是：每次获取数据都需要人来测量，若要获取多组数据则工作量大难以实现。微量振荡天平法：微量振荡天平法的原理是锥形元件振荡微量天平的振荡频率与其滤膜上的颗粒物质量存在对应关系，并据此来进行颗粒物浓度的计算。微量振荡天平法的优点是：能够直接测量出颗粒物质量，操作简单。缺点是：颗粒物的成分和其流量会影响准确性。β射线吸收法：经过切割器切割的颗粒物，会被滤膜留住，对比前后两次β射线源的透过强度，利用两次的差值即可计算出颗粒物的浓度。β射线吸收法的优点是：β射线源强的度是恒定的，吸收物质的质量仅仅与被吸收物质的质量大小有关，而与吸收物质的其他特性，如组成成分、分散程度、外形、色泽等无关。所以它能直接测量质量浓度而不用进行任何的换算，并且测量精度高、灵敏度高。缺点是：测量周期长。通过比较以上的三种测量方法后发现：β射线吸收法能直接测量质量浓度而不用进行任何的换算，并且测量精度高、灵敏度高。此外，大气环境监测有测量周期长的特点，β射线吸收法测量周期性长的这一缺点，也不影响大气环境中的颗粒物监测。故本次研究中采用β射线吸收法来测量颗粒物浓度。

2.2.2 NO₂浓度测量方法选择

测量NO₂浓度的方式主要分为化学发光法、差分吸收光谱分析法两种^[7]。化学发光法：在钼转化室中将NO₂转化为NO，然后检测NO的质量，以此来测量NO₂的浓度。这种检测方法的关键在于钼转化室中将NO₂转化为NO的效率，转换效率则主要由转化室内的温度以及NO₂浓度等决定。所以钼转换室的室内温度一般维持在315℃~325℃之间,此时的转化率最高。同时NO₂浓度越高，转化的效果越差。优点：灵敏度高、选择性好、可测量NO₂浓度范围宽，且适合设计自动在线监测系统，对大气中的NO₂浓度进行自动监测。缺点：测量原理基于化学反应，测量的准确度与化学反应的进行程度有关。差分吸收光谱分析法：根据气体对光的选择性吸收特性来测量NO₂浓度。通过仪器获取差分吸收光谱，得到差分吸收光谱之后，对比实际测得的差分吸收光谱和差分吸收系数曲线，用特定的数值计算方法，以此得到NO₂浓度。优点：测量准确。缺点：数据获取的工作量大，而且灵敏度较差。通过比较以上两种方法后，由于化学发光法灵敏度高，而且适合进行大气NO₂浓度的监测，故采用化学发光法来测量NO₂浓度是较适合的。

2.2.3 SO₂浓度测量方法选择

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：