[发明专利]一种大气污染物浓度影响要素定量分析的方法

说明书

技术领域

本发明涉及数据处理领域，更具体地，涉及一种大气污染物浓度影响要素定量分析的方法。

背景技术

近年来，随着经济的快速发展和城市化进程的加快，能源的大量消耗以及排放的大幅度增加，由此而来的大气环境问题越来越引起人们的注意。由于大气污染问题受到不同排放源的影响，各种污染物在大气中多种界面之间发生理化过程，并彼此耦合，因此其特性十分的复杂。掌握各污染物变化特征和规律非常重要，尤其是对于特定污染天气的形成和成因进行识别，提供政府决策参考和对居民出行提供指引，有着积极的科学和现实意义。

对于影响污染物变化的要素分析，常用的方法是通过相关性分析，得到特定参数与对应污染物浓度变化的相关系数。但由于大气污染物浓度变化的复杂性和不确定性，采用线性方程进行模拟存在着一定的误差，且无法详细描述同一参数不同时刻对污染物浓度变化的影响。广义可加模型是线性回归模型的扩展，其不要求应变量与自变量满足线性关系，适用于非线性数据的研究。可加模型是用预测变量非参数的形式代替了线性回归模型中的参数形式，它不需要严格规定反应变量对解释变量的参数依存关系，可以给出许多灵活多变的回归模型。对于广义可加模型，唯一需做的假设是各函数项是可加的且是光滑的，使得其成为一种应对非线性数据的灵活而有效的工具。由于广义可加模型能够定量分析不同变量参数对于特定因子的关系，现阶段广泛被运用在生态学领域，例如渔业资源的分布特征以及对其影响因子进行定量分析中，但针对空气污染浓度变化的分析较少。

发明内容

本发明为了解决的上述技术问题，提供一种大气污染物浓度影响要素定量分析的方法，是一种能确定影响污染物浓度变化原因的定量计算方法，能够了解不同参数对于某一特定污染物浓度变化在不同时刻的影响大小。

为解决上述技术问题，本发明采用的技术方案是：

一种大气污染物浓度影响要素定量分析的方法，包括以下步骤：

S1.设定模型，确定模型基本形式，从采集的污染物和气象因素中选取一种污染物作为因变量，其他污染物和气象因素作为自变量构建模型；

其中模型基本形式确定方式具体为：

根据所选取的污染物，对采集的其浓度数据进行分析，根据分布特点来确定该污染物的连接函数的形式；将其余污染物和气象要素作为自变量，即预测变量，得到其广义可加模型，

g(μ)=α+Σj=1pfj(Xj)]]>

其中，μ是因变量，即所研究的污染物浓度Y的期望值，μ＝E(Y/(X₁，...，X_p))；g(·)是选取的污染物的连接函数，α是截距；f_j(·)是预测变量X_j的任意单变量函数，f_j(·)是光滑函数，p是所选取的预测变量的个数；

由于各个预测变量的函数形式不同，组合产生许多不同形式的模型；对这些模型进行比较，根据预测变量的散点图进行筛选，并计算它们的评价指标，根据计算的指标结果，选出对数据拟合效果最好的作为最终设定的模型；

S2.估计模型，基于步骤S1设定的模型，分别对连接函数g(·)和光滑函数f_j(·)进行估计，得到不同模型；在满足所有预测变量的影响均达到显著水平的前提下，以模型评价指标来筛选最优模型；

S3.基于由步骤S2的最优模型，得到累积影响程度和偏残差图。

从广义可加模型的形式上可看出，它对预测变量的形式没有规定，体现了其灵活性。由于它适用于很多分布类型，所以对于不同的分布类型，连接函数的形式也不同。具体对应关系见下表：

在污染物浓度变化影响要素定量分析上，一般采用log连接。