T斑
物柯小于蓉于lO^m)24小时平州仏环
氧化碗
(.CO)24小时平斑
帘化碳(CO)1小时平均/
|mgjn1)1
具氧心
1小时
臭氧cop
K小时滑动平均/(.pg;niJ>
(■粒栓小于導于2-5pm>
24小吋平塚【昭加巧
0
0
&
0
0
U
0
0
0
0
0
$0
$0
i$o
40
100
50
2
$
160
100
35
100
150
50G
80
200
t50
4
10
200
刚
75
150
475
650
m
700
250
34
35
300
215
IL5
200
BOO
StX)
2KO
1200
350
24
60
400
26^
L50
300
1测
V厂
5fiS
420
36
90
800
800
250
400
2100
0
7W
3090
500
桔
120
iooo
'Ji
J50
500
2420
12-
940
3
bOO
tso
L200
ill
5U0
(2)
把得到的数据代入以下的一维插值公式,分别进行计算
(3)得到空气中各污染物的AQI,并把11个城市的各种污染物AQI绘制成折线统计图。
如下图所示:
图1某时刻11个城市各污染物所对应的AQI的折线图
由图可知,一般而言,对于某个特定的城市,它的PM10或PM2.5的AQI值
远超过其余的各种污染物的AQI值。
而根据我国的最新标准,观测点取各种污染物所对应AQI的最大值来评价整体的空气质量。
公式如下:
AQI=maxflAQIPLAQI2•IAQI门….IAQI,
这就出现了一个问题:
在现阶段的测量中,实际上只有PM10或PM2.5的AQI对最终的空气质量AQI有影响。
而在实际生活中,在研究各种指标集对某物影响的过程中,不仅指标集中的最大值具有最重要的作用,次大值等的作用也不容忽视,甚至具有与最大值类似的影响。
现有的评价模型在实际应用中正是没有考虑到污染物次大值等的对空气总体质量的影响,不免有些以偏概全。
为了解决这一问题,我们引入了半集均方差原理来构建新的空气质量指数计算模型。
4.2问题二的分析
我们先查找出各种大气污染物对环境和人类有哪些方面的的危害:
(1)二氧化硫的主要危害:
形成工业烟雾,高浓度时使人呼吸困难,是著名的伦敦烟雾事件的元凶;进入大气层后,氧化为硫酸(SO4在云中形成酸雨,对建筑、森林、湖泊、土壤危害大;形成悬浮颗粒物,又称气溶胶,随着人的呼吸进入肺部,对肺有直接损伤作用。
(2)一氧化碳的主要危害:
极易与血液中运载氧的血红蛋白结合,结合速
度比氧气快250倍,因此,在极低浓度时就能使人或动物遭到缺氧性伤害。
轻者
眩晕,头疼,重者脑细胞受到永久性损伤,甚至窒息死亡;对心脏病、贫血和呼吸道疾病的患者伤害性大;引起胎儿生长受损和智力低下。
(3)臭氧的主要危害:
低空臭氧是一种最强的氧化剂,能够与几乎所有的生物物质产生反应,浓度很低时就能损坏橡胶、油漆、织物等材料;臭氧对植物的影响很大。
浓度很低时就能减缓植物生长,高浓度时杀死叶片组织,致使整个叶片枯死,最终引起植物死亡,比如高速公路沿线的树木死亡就被分析与臭氧有关;臭氧对于动物和人类有多种伤害作用,特别是伤害眼睛和呼吸系统,加重哮喘类过敏症。
(4)二氧化氮的主要危害:
刺激人的眼,鼻,喉和肺,增加病毒感染的发病率,例如引起导致支气管炎和肺炎的流行性感冒,诱发肺细胞癌变;形成城市的烟雾,影响可见度;破坏树叶的组织,抑制植物生长;在空中形成硝酸小滴,产生酸雨。
(5)PM1(和PM2.5的主要危害:
随呼吸进入肺,可沉积于肺,弓I起呼吸系统的疾病。
颗粒物上容易附着多种有害物质,有些有致癌性,有些会诱发花粉过敏症;沉积在绿色植物叶面,干扰植物吸收阳光和二氧化碳和放出氧气和水分的过程,从而影响植物的健康和生长;厚重的颗粒物浓度会影响动物的呼吸系统;杀伤微生物,引起食物链改变,进而影响整个生态系统;遮挡阳光而可能改变气候,这也会影响生态系统。
根据以上资料,可知各种污染物对生态系统危害的原理和方式是不尽相同的,那么,各种大气污染物对环境和人类的危害程度也是不一样的。
因此各种污
染物AQI的值在整个空气质量评价体系中所占的权重也是不一样的,并不能简单
的利用平均值来反映污染的总体水平。
于是我们对问题一中得到的新的空气质量指数计算模型进行必要的加权修正,在比较了专家咨询加权法、相关系数加权法、主成分分析加权法和层次分析加权法的优缺点之后,我们选择了层次分析加权法得到各个污染物AQI所占的权重。
并计算得到了优于平均值的加权指数来反映污染的总体水平。
从而也得到了
“优化后的半集均方差”(将公式中的平均数用加权指数替代)公式。
5模型的建立与求解
5.1问题一的模型建立与求解
首先进行数据处理,由于要建立的新空气质量指数模型十分强调实时性,于
是把附表一和附表二中臭氧8小时平均值、细颗粒物24小时平均值、可吸入颗粒物24小时平均值做了必要的省略处理。
且国家最新出台的标准中并没有PM2.5和PM1(一小时平均浓度限值,所以计算时采用PM2.5和PM1(二十四小时平均浓度限值近似代替。
按照数理统计的基本概念,用来评价空气质量的分指数集合,构成了容量为n的样本。
而空气质量指数则可认为是反映空气质量特性的样本数字特征,它主要应包括样本观测值的集中趋势及其离散程度两个方面。
(1)算术均值(亦即一阶原点矩)是典型的也是基本的集中趋势测度,其定义式为:
瓦Xi
X=」;i=1,2,…nn
式中,Xi为样本观测值;n为观测值个数。
算术均值不仅是度量数据离散程度的有效基准,还可以反映样本的总体水
平。
因此,算术均值是空气质量评价中的一个重要指标。
(2)样本观测值的离散程度,最基本的度量是用标准差(或称均方差)它是数据能变性测度,这里取定义式为:
「Xj-X2
<1=
\in十1,2,…n
由标准差的定义式可以推论:
Xi中最大值的增大或最小值的减小,均可导致标准差值的增大。
联系到空气质量评价,也就是把远大于算术均值的分指数和远小于算术均值的分指数置于等同地位,这显然与它们的环境效应相矛盾。
因为分指数中最大值对环境质量的影响是明显的,而最小值的影响较小甚至可以忽略。
因此,在空气质量评价中若简单地按定义式引入标准差,尽管可以说明分指数的离散程度,却未能真实地反映出各自对水质的影响,因而不能满足空气质量评价的需要。
因此,有必要从能够充分反映的分指数对空气质量影响的特点出发,
寻求满足于空气质量评价要求的数字特征。
(3)在研究各种指标集对某物影响的过程中,不仅指标集中的最大值具有最重要的作用,次大值等的作用也不容忽视,甚至具有与最大值类似的影响。
因此,为了在评价体系中引入次大值等的影响。
提出了用中位数来划分整个评价指令集,对大于中位数的分指数半集给予较大的权重。
联系到在不同的分布形态该半集数列的疏密程度不同,可通过计算它们对算术均值的均方差,以反映大于中位数半集的离散程度。
据此引出一个新的数字特征,可将它定义为半集均方差,其定义式为:
ShJ
(4)根据上述分析,空气质量指数AQI作为反映大气环境质量的数字特征应在反映分指数集合集中趋势的基础上,用大于中位数半集的离散程度加以调整。
据此可建立新的空气质量指数(AQI)的数学模型为:
AQI二PSh
该模型可简称为半集均方差模型,该模型既通过算术均值考虑了每项分指数对空气质量的影响,也通过半集均方差对分指数中的大值给予较大的权重,据此,该模型是按各参数对大气环境影响程度的不同,综合出大气环境质量状况的数量描述。
5.2问题二的模型建立与求解
由问题一我们得到新的空气质量指数计算模型,但是在实际应用的过程中又
发现了半集均方差模型的缺陷。
由图1中的折线图可知:
中国城市里PM2.5或PM10勺AQI值远超于其他污染物的AQI值。
所以导致了P水平偏低,不能充分反映空气污染的程度。
直观的体现在最后计算得到的总指数AQI明显偏低。
如此再按照原有的国家标准进行对比,会发现空气污染都大大减轻了,与实际严重不符。
所以我们采用层次分析加权法得到各个污染物AQI所占的权重。
并计算得到了优于平均值的加权指数来反映污染的总体水平。
从而也得到了“优化后的半集均方差”(将公式中的平均数用加权指数替代)公式。
(1)构造判断矩阵
通过对指标之间两两重要程度进行比较和分析判断,构造判断矩阵。
层次分
析法在对指标的相对重要程度进行测量时,我们引入了九分位的相对重要的比例标度。
令A为判断矩阵,用以表示同一层次各个指标的相对重要性的判断值。
根
据心理学家提出的“人区分信息等级能力为7一2”的研究结论,有如下评分规
则:
表2权重的评分规则
比较重要
W
要二m一-
3不
很不重要
重要
9
7
5
3
-1-
-1-
L3
-1-
/T
/9
-1-
注:
取8,6,4,2,1/2,1/4,1/6,1/8为上述评价值的中间值。
由此通过两两比较便可以构造出判断矩阵A,如下表所示:
表3打分矩阵
空气质量指数综合评价判斷矩阵A
昭|
CO
0:
PM10
I
5
5/3
F-
[5
5/7
co
1/5
1
1/3
1
1/7
1/7
3/5
3
l
3
3/7
3/7
1/5
I
1/3
I
1/7
1/?
RM10
7
7/3
:
I
F
I
PM2.5
7/5
7
?
/3
r7
'I
F
t
(2)对判断矩阵进行一致性检验
①计算判断矩阵的最大特征根:
mi=i
m~1
max
a11
a12
a1m
1飞
1
ll
a21
a22
a2m
if
2
A〕=.
ll
1
1
ll
1
.
・・
・・
ll
.
1
11
1
-3m1
am2
amm
J>
n
②计算判断矩阵的一致性指标:
&-
m
CI
max
i
式中A•,为判断矩阵A与特征向量•,的乘积,即为:
③计算判断矩阵随机一致性比率:
CR二生0.10
RI
最后得到结果如下:
表4各指标权重和一致性指标值
S02
CO
N0£
P«10
PH2.5
CI
OR
3八max
0,2083
0.0417
0.125
0.0417
Cl2917
0.2917
0
0
6
然后把各污染物的AQI与其相应的权重相乘得到综合指数Q
0
由此对应的修正后的半集均方差公式:
m
、R-Q2
S.
i=1
m
修正后的空气质量指数(AQI)的模型为:
AQI二QSh
代入附表二中的数据,得到:
表5空气质量指数AQI
观测点1
0.13
1.53
0.03
0.01
0.01
0.31
0.31
0.19
0.16
215
观测点2
0.07
1.38
0.08
0.07
0.04
0.19
0.18
0.14
0.11
159
观测点3
0.01
3.97
0.02
0.01
0.01
0.27
0.21
0.18
0.1
203
观测点4
0.03
0.76
0.07
0.03
0.04
0.15
0.49
0.12
0.11
137
观测点5
0.09
0.81
0.06
0.02
0.02
0.17
0.18
0.13
0.13
152
观测点6
0.01
0.01
0.05
0.01
0.01
0.16
0.15
0.14
0.09
153
观测点7
0.04
0.69
0.04
0.04
0.05
0.15
0.14
0.08
0.07
107
观测点8
0.03
1.05
0.07
0.01
0.04
0.15
0.13
0.07
0.07
95
观测点9
0.04
1.52
0.02
0.02
0.03
0.11
0.11
0.12
0.11
136
观测点10
0.02
1.18
0.03
0.03
0.03
0.2
0.17
0.15
0.12
171
观测点11
0.03
0.5
0.02
0.06
0.06
0.14
0.16
0.12
0.11
135
观测点1
0.14
1.97
0.08
0
0.01
0.36
0.28
0.23
0.16
263
观测点
2
0.13
2.36
0.08
0.03
0.02
0.18
0.15
0.15
0.11
166
观测点
3
0.1
4.24
0.08
0.02
0.01
0.31
0.22
0.21
0.11
234
观测点
4
0.09
0.57
0.02
0.03
0.05
0.15
0.19
0.12
0.11
136
0.13
1.21
0.05
0.01
0
0.25
0.21
0.12
0.11
157
0.02
2.9
0.04
0.04
0.04
0.2
0.19
0.12
0.1
149
0.04
0.75
0.04
0.05
0.05
0.15
0.15
0.07
0.07
99
0.05
1.12
0.08
0.01
0.04
0.16
0.13
0.1
0.07
119
0.05
1.58
0.02
0.02
0.03
0.14
0.11
0.14
0.11
154
0.04
1.19
0.02
0.03
0.03
0.21
0.17
0.15
0.12
181
0.03
0.5
0.02
0.06
0.06
0.14
0.17
0.1
0.11
120
观测点5
观测点6
观测点7
观测点8
观测点9
观测点10
观测点11
观测点1
观测点2
观测点3
观测点4
观测点5
观测点6
观测点7
观测点8
观测点9
观测点10
观测点11
观测点1
观测点2
观测点3
观测点4
观测点5
观测点6
观测点7
观测点8
观测点9
观测点10
观测点11
观测点1
观测点2
0.17
2.35
0.08
0
0
0.54
0.29
0.25
0.16
396
0.13
1.58
0.08
0.05
0.04
0.16
0.13
0.15
0.11
169
0
4.89
0.02
0.01
0.01
0.3
0.21
0.21
0.11
225
0.1
0.57
0.02
0.05
0.05
0.16
0.17
0.12
0.11
141
0.11
2.24
0.06
0.02
0.01
0.18
0.19
0.13
0.13
153
0.02
7.5
0.04
0.03
0.03
0.18
0.17
0.13
0.12
137
0.05
0.8
0.04
0.06
0.05
0.22
0.16
0.09
0.07
132
0.05
1.06
0.07
0.04
0.04
0.19
0.13
0.09
0.07
116
0.07
1.66
0.03
0.02
0.02
0.13
0.11
0.15
0.11
164
0.06
1.11
0.03
0.03
0.03
0.2
0.18
0.15
0.12
171
0.04
0.5
0.02
0.07
0.06
0.15
0.16
0.11
0.11
128
0.2
1.78
0.04
0
0
0.53
0.22
0.25
0.16
371
0.09
1.27
0.06
0.07
0.04
0.2
0.18
0.11
0.1
142
0.01
4.29
0.02
0.01
0.01
0.34
0.21
0.2
0.12
222
0.1
0.55
0.02
0.08
0.05
0.2
0.19
0.14
0.11
165
0.17
3.19
0.07
0.02
0.01
0.18
0.19
0.17
0.13
185
0.02
7.61
0.04
0.03
0.03
0.18
0.17
0.11
0.12
126
0.09
2.8
0.1
0.01
0.04
0.26
0.2
0.06
0.05
127
0.05
0.86
0.02
0.1
0.04
0.22
0.14
0.1
0.07
135
0.06
1.62
0.02
0.06
0.03
0.17
0.12
0.14
0.12
166
1.62
0.07
1.21
0.03
0.03
0.03
.206.177
0.14
0.12
196
0.02
0.07
0.5
0.02
0.09
0.06
0.19
0.16
0.1
171
0.01
0.73
0.06
0.03
0.01
0.05
0.09
0.04
0.04
55
0.05
0.69
0.04
0.06
0.08
0.13
0.1
0.06
0.05
86
0.02
0.96
0.04
0.04
0.06
0.05
0.05
0.03
0.02
46
0.03
0.89
0.06
0.02
0.02
0.