FAN Ying,JI Li.Comprehensive Analysis of Air Quality in Southwest Chongqing based on Machine Learning[J].Journal of Chengdu University of Information Technology,2023,38(01):116-122.[doi:10.16836/j.cnki.jcuit.2023.01.017]
基于机器学习对重庆西南部空气质量的综合分析
- Title:
- Comprehensive Analysis of Air Quality in Southwest Chongqing based on Machine Learning
- 文章编号:
- 2096-1618(2023)01-0116-07
- 分类号:
- X823
- 文献标志码:
- A
- 摘要:
- 利用重庆市南川区2017-2020年环境监测数据,综合采用数理统计方法对空气质量及其大气污染物浓度的特征进行分析,并基于灰色关联度和PCA主成分对空气质量进行分析。结果表明:南川空气质量及大气污染浓度季节变化明显,均呈下降趋势; 南川以优良天数为主,无严重污染过程,轻度污染占比多于中度和重度污染天数; O3对空气质量影响最大是出现在夏季,其余季节不明显,PM2.5和PM10是除夏季外,对空气质量影响最大的要素,特别是冬季; 基于PCA主成分分析,PM10与PM2.5是主要污染物,O3主要是夏季仅次于PM2.5、PM10的污染物。
- Abstract:
- Based on the environmental monitoring data of Nanchuan from 2017 to 2020, the characteristics of air quality and air pollutant concentration were analyzed by using mathematical statistics method, and the air quality was analyzed based on grey correlation degree and PCA principal component analysis. The results show that:the seasonal variation of air quality and air pollution concentration in Nanchuan is obvious, and both of them show a downward trend; In Nanchuan, the number of days with good quality was the majority, and there was no serious pollution process, and the proportion of light pollution days was more than that of moderate and severe pollution days; O3 has the greatest impact on air quality in summer, and it is not obvious in other seasons, and in addition to summer, PM2.5 and PM10 have the greatest impact on air quality, especially in winter; Based on PCA principal component analysis, PM10 and PM2.5 are the main pollutants, and O3 is the third main pollutant which is next to PM2.5 and PM10 in summer.
参考文献/References:
[1] 腾浩宇.基于常规大气监测数据对PM2.5评估和预测[D].哈尔滨:东北林业大学,2015.
[2] 王胜杰,解淑艳,王军霞.2016-2019年汾渭平原城市空气质量状况分析[J].中国环境监测,2020,36(6):57-65.
[3] 刘丽,唐晓婵,马东卓.2013-2019年青岛市空气质量变化特征分析[J].中国环境监测,2020,36(6):57-65.
[4] 张莹,宁贵财,康延臻,等.北京市大气污染物与呼吸系统疾病入院人数的时间序列[J].兰州大学学报(自然科学版),2015,51(1):87-92.
[5] GB3095-2012,环境空气质量标准[S].2012.
[6] 姜新华,薛河儒,张存厚,等.基于主成分分析的呼和浩特市空气质量影响因素研究[J].安全与环境工程,2016,23(1):75-79.
[7] 喻义勇,谢放尖,陆晓波,等.南京亚青会环境空气质量状况及原因分析[J].环境监控与预警,2014(1):5-9.
[8] 刘爱明.城市区域大气颗粒物的污染特征研究[J].安全与环境工程,2009,16(6):15-20.
[9] 王玮,汤大钢,刘红杰,等.中国PM2.5污染状况和污染特征的研究[J].环境科学研究.2000,13(1):1-5.
[10] 于大江,吴艳玲.东北主要城市的空气质量长期变化特征[J].环境化学,2014(6):956-961.
[11] 王翠红,梁新艳.山西省主要城市的空气质量长期变化特征研究[J].环境科学与管理,2016(1):94-97.
[12] 赵颖,李婷婷.连云港市空气质量变化趋势分析[J].中国环境监测.2014,30(1):66-69.
[13] 李刚.克拉玛依市空气质量特征分析[J].干旱环境监测,2017,31(2).
[14] 许海超,李子君,姜爱霞,等.山东省空气质量指数的时空分布特征[J].济南大学学报2017,31(2):168-175.
[15] 陈颖,张仲伍.基于聚类分析和主成分分析的城市空气质量评价——以山西省11个地级市为例[J].山西师范大学学报(自然科学版),2020,34(4):72-78.
[16] 王宝英.基于气象因素分析的城市AQI预测方法研究[D].南昌:南昌航空大学.2019.
[17] 孙苏琪,王式功,罗彬,等.应用机器学习算法的成都市冬季空气污染预报研究[J].气象与环境学报,2020,36(2):98-104.
[18] 赵域圻,杨婷,王自发,等.基于KZ滤波的京津冀2013-2018年大气污染治理效果分析[J].气候与环境研究,2020,25(5):499-509.
[19] 蔡旺华.运用机器学习方法预测空气中臭氧浓度[J].中国环境管理,2018,2:78-84.
[20] 陈俏.支持向量机应用于大气污染物浓度预测[D].西安:西安科技大学,2010.
[21] 梁昱,刘禹含,王红丽,等.基于主成分分析的上海春季近地面臭氧污染区域性特征研究[J].环境科学学报2018,38(10):3807-3815.
[22] 吴亚平,张琦,王炳赟,等.2020.四川雅安三种主要大气污染物浓度与气象条件的关系及其预测研究[J].高原气象,39(4):889-898.
[23] 刘姣姣,叶堤,刘芮伶.重庆市臭氧污染特征研究[J].环境科学与管理,2020,45(9):59-62.
[24] 吉莉,李强,司云燕,等.重庆北碚大气污染物的变化特征及其与气象要素的相关性[J].中国农学通报,2017,33(18):88-93.
[25] 蒲茜,李振亮,张悦,等.重庆市O3污染日的大气环流分型与传输特征[J].中国环境科学2021,41(1):18-27.
[26] 刘姣姣,陈思,赵洁,等.重庆市PM2.5污染特征分析及预报结果评估[J]环境科学与技术,2020,43(6):85-93.
[27] 韩余,周国兵,陈道劲,等.重庆市臭氧污染及其气象因子预报方法对比研究[J].气象与环境学报,2020,36(4):59-66.
[28] 李嗣同.我国大气污染的灰色关联分析[J].齐鲁工业大学学报,2014,28(4):55-58.
备注/Memo
收稿日期:2021-10-26
基金项目:重庆市气象局业务技术攻关资助项目(YWJSGG-202134)