基于灰色系統(tǒng)大氣污染濃度及質量評價方法研究.pdf

1、本文針對西北五個省省會城市大氣污染問題，采用主成分—聚類多元分析方法建立合理的空氣質量評價模型，同時采用GM(1,1)分析法和GNNM(1,1)研究西北五個省會城市的空氣質量。
　　首先，依據(jù)大氣環(huán)境質量的五項主要指標作為原始數(shù)據(jù)，其中包含二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)、可吸入顆粒物(PM10粒子直徑小于等于10um)以及細顆粒物(PM2.5粒子直徑小于等于2.5um)。對西北五個省會城市的大氣環(huán)境質量進

2、行定性變量分析，排序。利用主成分分析法提取出三個主成分反應各指標，F(xiàn)1是代表工業(yè)污染因素。F2是反應民用采暖的。F3體現(xiàn)了揚塵因素。將每個城市的綜合得分進行聚類分析，將大氣環(huán)境質量從1（非常好）到3（非常差）分為三層次。在聚類分析中，得出的結論是有“塞上江南”之稱的銀川綜合得分最高，被劃為第一類。蘭州市與西寧市的空氣質量排在第二類。第三類是西安市與烏魯木齊市，空氣環(huán)境質量亟需采取措施保護。其次，對于西北五個省會大氣環(huán)境質量預測，采用GM

3、(1,1)分析法。針對大氣質量環(huán)境污染物濃度的特點,將灰色神經(jīng)網(wǎng)絡模型GNNM(1,1)引入大氣環(huán)境質量預測。GNNM(1,1)模型是把灰色方法與神經(jīng)網(wǎng)絡有機結合起來,對復雜的不確定性問題進行求解所建立的模型。該模型通過建立一個神經(jīng)網(wǎng)絡,來映射GM(1,1)模型的灰色微分方程的解。網(wǎng)絡經(jīng)訓練收斂后就可進行大氣環(huán)境質量濃度預測。計算表明,與灰色預測方法相比,GNNM(1,1)模型具有更強的適應性和更高的預測精度,適用于城市質量濃度預測。<