文摘

工业化的快速发展导致空气污染越来越严重,影响人类健康和社会的可持续发展。空气质量预测是一个重要的链接在防止空气污染,改善大气环境。在这篇文章中,中国22个城市空气质量差的近年来选择为研究对象。季度化合物积累灰色模型用于预测点的浓度_2.5下午,₁₀,所以₂,没有₂在22个城市。两个参数引入到模型优化灰色模型的积累方法。同时,介绍了季节性因素更好地模拟空气质量。预测结果表明,这些城市的空气质量,尽管一个季度的基础上变化很大,总体趋于下降。点的浓度_2.5和点₁₀在多数城市仍将超过标准在未来几年内,尤其是在每年的第一和第四季度。预测结果可以为有关部门提供参考。

1。介绍

生态环境的污染越来越严重,城市的发展。环境的破坏严重影响人们的生活和健康。目前,改善空气质量是一个紧迫的问题。一般来说,人们评价一个地区的空气质量通过点的浓度_2.5下午,₁₀,所以₂,没有₂。污染物的浓度过高时,它可以对人体和生态环境造成伤害1]。每年至少有100万人死亡都与点_2.5,特别是在点的地方_2.5浓度超过了极限。免疫力低下的人,比如老年人、新生儿占更大比例(2]。点₁₀增加了传染性的病毒通过破坏细胞,从而导致严重损害人类肺部(3]。所以₂可以在空气中发生化学反应,形成酸性物质,然后形成酸雨,破坏生态环境,危害人类健康。过度暴露于所以₂孕妇在怀孕期间会增加患糖尿病的风险(4]。长期接触高水平的不₂可以引起慢性肺部疾病。没有₂进入血液并形成氮和氧化氮酸,可导致神经系统紊乱。没有₂会导致呼吸系统疾病如哮喘的恶化5]。

为了改善空气质量,我们需要预测这些污染物的浓度,然后根据预测结果制定一个有效的治疗计划。22个城市空气质量差在过去的几年中主要是在河南、河北、山西、山东、和陕西两省,根据年度公布的空气质量报告的分析中国外交部官方网站的生态和环境(http://www.mee.gov.cn)。因此,本文选择这22个城市作为研究对象。22个城市如表所示1。

本文分为5部分。国内外学者的研究概述近年来空气质量节中给出2。介绍本文使用的模型和准确性的验证部分3。22个城市空气质量预报的部分4。论文的结论与展望部分5。

2。文献综述

全世界许多国家面临的问题,改善空气质量,改善空气质量的一个重要组成部分是预测和分析空气质量。目前,国内外许多学者进行了大量的研究空气质量预测,为地方政府提供参考价值,提出了改进措施。例如,深度学习相结合的混合模式和多任务学习是用来预测点_2.5浓度三个监测站在兰州6]。毛等人使用深度学习的方法来预测领域的中国高空气污染7]。为了提高预测模型的准确性,刘和陈提出了一个混合模型,结合分析和三级特征选择和增强极值学习机制(8]。一个优化事先和RNN用来预测城市点_2.5浓度(9]。解决短缺监测站的数据转移上优于堆叠双向长期短期记忆网络提出了。该方法结合了深度学习技术和转移学习策略来提高模型的预测精度(10]。的点_2.5收集的数据是非线性和复杂,很难进行长期预测。基于频率特性的卷积神经网络用于组数据,基于经验模态分解和预测点_2.5提出了数据(11]。一个空气质量预测系统提出了基于神经模糊网络。系统使用历史数据获得一组模糊规则和模糊元素添加到预测系统(12]。周混合高斯过程模型应用于空气质量预测(13]。太阳和徐提出了一种基于长期记忆很深的随机子空间学习框架,结合随机子空间学习和学习算法建立一个空气质量预测模型(14]。多任务学习基于深信心网络预测神经网络模型训练是用来预测污染物在大气中的浓度(15]。外国学者提出了一种基于长期短期记忆的递归神经网络来预测城市空气质量(16]。为了减少空气中污染物的浓度在机场,一个模型提出了基于混合监督学习方法,并用于预测机场的空气质量(17]。徐、吴提出了一个综合分数积累灰色双指数平滑模型和相邻积累灰色双指数平滑模型预测点_2.5浓度和点₁₀浓度(18]。为了预测空气污染物的浓度,Dun和吴灰多变量回归模型相结合,部分积累模式,支持向量回归模型预测在石家庄和重庆的空气污染物的浓度(19]。吴和赵用部分灰色模型预测点的浓度_2.5在京津冀地区和污染天(20.]。预测复合机能,吴邦国和许用灰色Verhulst模型来预测和分析空气质量指数在北京,天津,石家庄,分别为(21]。小说FGRM(1,1)模型提出了高et al .,并优化模型的性能。然后,该模型用于预测有限公司₂排放在中国、美国和日本(22]。史和吴分析了社会经济影响空气质量的因素在邢台市利用灰色关联分析方法。然后,邢台的空气质量指数预测的灰色多元卷积模型(23]。

上述研究主要集中在个别地区的空气质量的预测或个别指标;然而,多范围的预测和multi-indicators较少。因为改善空气质量是一个长期项目,我们需要全面了解整个空调。本文季度中国22个城市的空气质量预测与近年来空气质量差。这些指标包括点_2.5下午,₁₀,所以₂,没有₂。空气中污染物的浓度差别很大从一季到下一季。因此,季度预测可以更好地分析原因在不同的季度城市污染物浓度的增加,为有关部门提供参考价值。

在这个大数据的时代,大量的数据可用于准确的信息定位和分析。但并不是所有的信息有很多数据。灰色系统理论为我们提供了一个可靠的研究方法当我们遇到情况有很少量的数据。灰色系统理论提出以来得到了广泛的关注。近年来,出现了大量学者的创新和研究这一理论。例如,赵和吴提出了相邻累积离散灰色模型和用它来预测不可再生能源的消耗在亚太经济合作组织(24]。刘和吴提出一个新的相邻的非均匀的灰色模型,其重点是研究体重的最新数据和历史数据之间的关系。该模型用于预测在欧洲可再生能源的消费25]肖等人改进了GM(1, 1)模型和耦合协调度获得通过估算坐标参数的智能算法。随后,中国科技和经济的协调程度评估使用修改后的模型(26]。新提出了无偏非线性伯努利模型,用于估计水电的消费在中国(27]。太阳提出了灰色发病率时空模型和用它来分析空气质量的影响因素在江苏省南部[28]。一个离散灰色模型用于预测天然气的消费(29日]。复合灰色模型用于预测河南省空气质量(30.]。马等人提出了一种新的分段离散多个灰色模型,介绍了灰太狼算法获得最优分数阶(31日]。肖等人开发了一个小说NGBM(1,1)模型,用它来预测生物质能源消耗在四个国家(32]。一种自适应灰色模型被用来预测中国的温室气体排放(33]。一个unequal-order相邻的灰色模型预测城市空气质量(34]。然而,这些模型和方法很难适应,预测数据与季度的变化。为了解决这个问题,本文提出一种季度化合物积累灰色模型(QCGM (1,1))。该模型集成了分数阶灰色模型积累(35)和加权累积离散灰色模型(36),在此基础上,增加了季度重量。分数阶积累模型已经被许多学者青睐,因为它提出了。例如,江泽民提出了一个非线性灰色多变量模型与分数阶积累和用它来分析外商直接投资和中国的公司之间的关系₂排放(37]。一个新的部分灰色累积模型预测了中国的核能源消耗(38]。孟利用分数阶离散灰色模型预测₂中国的排放量(39]。QCGM(1,1)模型提出了结合分数阶灰色模型和加权离散灰色模型调整积累积累序列由两个参数。因为污染物浓度的差异太大,在不同的季度季度重量被添加到模型中,从而大大提高了模型的拟合和预测精度。

3所示。模型和方法

首先,本节描述的建模过程QCGM(1, 1)模型。其次,为了验证的准确性QCGM(1,1)模型,三种灰色模型用于预测₂浓度在唐山。最后,评估模型,验证了模型的初始值是有效的。

3.1。建模过程

我们将与季度波动收集数据,进行以下处理。步骤1:原来的非负数据序列 在哪里 。季度系数: , 的平均吗我^th季度,是所有季度的平均水平。因此,季度系数可以得到: 步骤2:通过将原始序列获得的序列是季度系数: 在哪里 。的r为了积累的序列是 在哪里 , : 加权序列的积累是 在哪里 , 。所以,整合分数加权序列是积累 步骤3:一阶微分方程是一个变量 解决上面的方程,的时间响应函数QCGM(1, 1)模型得到: 步骤4:使用最小二乘法和 : 在哪里 步骤5:加权逆累积生成序列 在哪里 预测的值可以得到: 在哪里 步骤6:预测序列 在哪里 步骤7:本文的平均绝对百分误差(日军)是用来评估模型的准确性:

3.2。模型评价

为了分析的拟合效果是否QCGM(1,1)模型满足精度要求,本文采用GM(1, 1)模型和女性生殖器切割(1,1)模型,分别进行比较。的预测结果₂浓度和日军在唐山的值三种模式如表所示2。图1显示浓度曲线的三个模型模拟的结果和实际值NO2在唐山。

表3显示了精度检验等级表,以方便我们分析模型的拟合精度是否符合精度要求。

据的分析表2和图1QCGM(1,1)模型的拟合结果。通过对比精度检验成绩表3可以看出,拟合的结果QCGM(1,1)模型符合二级标准。GM(1, 1)模型和女性生殖器切割(1,1)模型达到四级标准。因此,QCGM(1,1)模型具有良好的拟合能力。

接下来,本文研究模型的初始值是否有效。因为在少量的数据的情况下,充分利用是非常必要的和使用每个数据信息。摘要GM(1,1)模型用于比较,和两个模型,分别用来预测和分析的浓度₂在唐山。与此同时,本文改变原始序列的第一个数字到75然后再进行拟合。当然,这个值是任意选择的。最后,整理在表的结果4。

根据表4初始值的GM(1,1)模型是无效的,因为它的变化不影响整个序列的拟合结果。后的初始值QCGM(1,1)模型改变,整个序列的拟合结果是改变了。因此,QCGM的初始值(1,1)模型是有效的。

4所示。预测结果和空气污染物的分析

22个城市研究了位于河南、河北、山西、山东、陕西两省。在本节中,城市的空气质量在这些省份将预测在这个秩序。污染物的浓度在这些城市的原始数据来自中国空气质量在线监测与分析平台(http://www.aqistudy.cn)。

4.1。对河南省六个城市空气质量预报

河南省地处中原,是中国人口最多的省。工业化、城市化和农业现代化的艰巨的任务。此外,产业结构很重,能源结构不合理。在过去的几年里,有关部门积极响应国家政策。各级部门都严格执行执法监督,以改善空气质量。虽然总体环境质量有所改善,但依然面临着非常严重的环境质量状况。这部分做了一个预测六个城市在河南省安阳和六个城市,焦作,河南省新乡、郑州和洛阳。图2显示了原始的结果六个城市以及污染物浓度的预测结果。

为了更好地分析未来空气质量指数水平的每个城市,表5显示了不同程度的浓度极限点_2.5下午,₁₀,所以₂,没有₂。

从图可以看出2,四种污染物的浓度,在这六个城市每年都显示在未来几年的下降趋势。通过比较表5可以看到,它的浓度₂在这六个城市每年达到一级标准。的浓度不₂在安阳,焦作,小队和波动不大,几乎达到一级标准。在新乡、郑州和洛阳,没有的浓度₂可以达到一级标准每年在第二和第三季度。点的浓度₁₀在这六个城市每年在不同的季度波动很大,其中新乡和郑州有一个明显的下降趋势,和点的浓度₁₀2022年之后,逐渐达到二级标准。点₁₀在其他四个城市只有符合二级标准每年第二和第三季度。虽然点的浓度_2.5在所有六个城市显示出下降的趋势,它仍然无法在大多数季度达到二级标准。

在安阳的空气质量问题是最严重的河南省,我们分析和讨论在安阳的空气质量。位于河南、河北、山西,安阳是一个传输通道为京津冀地区的空气污染。同时,安阳很重的产业结构和产业具有高能源消耗占很大比例,特别是钢铁、冶金、煤化学工业。这些原因导致空气质量差在安阳。从图可以看出2安阳的空气质量在某种程度上已得到改进的监管和整顿下,近年来政府部门。但是没有根本改变安阳的产业结构,城市的空气质量仍将是一个严重的问题。在未来,安阳将加速产业结构的转型,继续促进工业和能源结构的调整。只有这样,城市的空气质量可以从根本上改善。

4.2。河北省空气质量预报四个城市

河北省位于华北平原,是中华民族的发祥地之一。但近年来,随着城市的快速发展,河北省生态环境和空气质量变得很差。一方面,河北省的产业结构严重不合理,与钢铁、电力、石化等行业相对密集。另一方面,该省能源消耗仍然很高。因此,河北省空气中污染物的浓度超过了标准的严重。这部分预测河北省四个城市的空气质量,和四个城市保定、邯郸、邢台、唐山。图3显示了原始数据的污染物浓度四个城市和预测的结果。

从图可以看出3,四种污染物的浓度,在城市往往会下降。所以的浓度₂在四个城市达到一级标准。的浓度不₂在保定、邯郸满足一级标准。虽然没有的浓度₂在唐山、邢台没有达到一级标准,它也可能在不久的将来达到一级标准根据递减的趋势。点的下降趋势₁₀浓度四个城市是显而易见的。2022年之后,点的浓度₁₀在保定、邯郸、邢台逐渐符合二级标准。虽然点的浓度_2.5在四个城市显示出下降的趋势,只有符合二级标准每年在第二和第三季度。

位于边境的河北、河南、山东、山西,邯郸是一个重工业城市,主要由钢铁、和空气质量很差。工业结构不合理导致大量的能源消耗和严重的环境污染,这是一个重工业城市的典型特征。加热北方城市冬季要消耗大量的煤炭,也增加了环境的负担。改善邯郸的空气质量的关键是加快重点产业绿色转型,促进所有行业的绿色发展。使用清洁能源代替煤炭和严格控制煤炭的消耗。与此同时,政府部门应当进行综合治疗的邯郸,从根本上提高污染严重地区的环境污染问题。

4.3。山西四个城市空气质量预报

山西省位于太行山以西,被认为是中国文明的摇篮。但是,目前,山西省空气污染正面临一个严重的问题。省的两个主要产业是煤炭和钢铁。特别是,煤炭资源非常丰富,许多重工业建设山西。这些公司煤炭消费在生产过程中会产生大量的污染物。这导致了山西空气质量恶化。本节预测山西四个城市的空气质量,和四个城市金城、阳泉、邢台、唐山。图4显示了四个城市的原始污染物浓度数据和预测的结果。

从图可以看出4,所有污染物的浓度或多或少倾向于减少。点的下降趋势₁₀浓度在金城和运城不明显,他们两人达到二级标准。PM₁₀浓度在阳泉和晋中显示了显著的下降趋势,2021年以后达到二级标准。根据递减趋势,在不久的将来,PM₁₀浓度在阳泉和晋中将达到一级标准。的浓度₂也没有₂在四个城市将达到一级标准后减少。PM_2.5浓度在阳泉和晋中迅速下降,在2022年后逐渐达到二级标准。点的浓度_2.5在金城和运城不波动,既达到二级标准。

金城一直享有声誉的煤和铁的故乡,是一个典型的中国燃煤的城市。城市支持一个高能耗的工业结构,其支柱产业是煤炭、电力、钢铁、等等。尽管推动经济快速增长,能源消耗过度消费的资源可以抑制金城的可持续发展带来严重的污染问题。煤炭的大规模消费造成的环境问题为冬季供暖尚未解决。在未来,合理规划应在金城空气质量,促进高效的生产方式,优化产业结构,加快新能源的推广。

4.4。为山东省5个城市空气质量预报

在中国山东省是一个农业大省,位于中国的东海岸,黄河的下游地区。该省有非常发达的工业,重工业包括矿业、电力、钢铁、石化发展迅速。这导致了严重的空气污染在山东省的大部分地区。尤其是在冬天,霾现象是无止境的。在本部分中,山东省5个城市的空气质量预测。五个城市淄博、枣庄、济南、临沂、聊城。图5显示了原始数据和预测数据的污染物浓度在淄博、枣庄,济南、临沂。图6显示了原始数据和预测数据的污染物浓度在聊城。

从数据可以看出5和6点的浓度_2.5下午,₁₀,所以₂,没有₂在这五个城市都倾向于减少。其中,点的下降趋势₁₀浓度是显而易见的,但是很难达到二级标准。2023年之后,点的浓度₁₀在淄博、济南将逐渐达到二级标准。点_2.5集中在五个城市,虽然呈现出下降的趋势,仍然没有达到二级标准。的浓度不₂在淄博、枣庄、临沂达到一级标准。大部分的NO2浓度在济南和聊城达到一级标准。所以的浓度₂在五个城市所有符合一级标准。

枣庄的地形北高和低在南部和东部的高和低在西部,三面群山环绕。这些自然地形原因是不利于污染物的扩散。除了地形因素,导致空气质量差的主要因素是过度排放的污染物。目前,枣庄有大部分的热能,水泥和其他重化学工业。此外,城市的能源消费结构以煤为主。这使得枣庄的空气质量一直处于严重污染状态。在未来,枣庄政府应该建立一个更完善的管理体系,加快绿色能源改革。工业废水排放的问题,灰尘从公路,和过度的煤炭消费,治理应该增加。

4.5。对陕西省三个城市空气质量预报

陕西省位于中国的西北,是中华民族的重要发源地之一,华夏文化。近年来,陕西省已经过度空气污染物浓度的现象。客观因素是陕西省的地形。南北省通常是高和低在中央省的一部分,这使得它难以分散的污染物。主观因素是人类活动的影响。例如,机动车污染,煤炭燃烧,等等。在本部分中,陕西省三个城市选择的预测,这三个城市是咸阳,西安、渭南。图7显示了原始数据的三个城市和污染物浓度预测的结果。

从图可以看出7这三个城市,污染物的浓度有下降的趋势。其中,点的下降趋势₁₀浓度尤其明显。2021年之后,点₁₀集中在三个城市逐步达到二级标准。渭南显示点的最快的趋势_2.5浓度下降,2021年之后达到二级标准。点的浓度_2.5在咸阳和西安符合二级标准每年在第二和第三季度。的浓度不₂西安是略高于一级标准。的浓度不₂在咸阳、渭南满足一级标准。所以的浓度₂在三个城市达到一级标准。

西安位于关中平原,北部的秦岭山脉。由于山脉的阻隔,很难污染物扩散。西安是陕西省的首都,结合经济、政治、文化和技术。城市的快速发展导致了大量消费能源。西安少真正的行业,而建筑业的快速增长。这导致显著增加建设污染物以及道路灰尘。与此同时,这座城市过于密集,高水平的车辆所有权。所有这些原因导致西安的空气质量差。针对这些条件,西安政府应继续加强粉尘管理,实施新的措施来限制机动车交通、环保能源,增加市场份额,等等。

4.6。摘要在22个城市空气质量

它可以看到从上面的结论,这22个城市的空气质量在一定程度上改善的趋势。污染物的浓度有很大差异在一个季度。点的浓度_2.5下午,₁₀,所以₂,没有₂在第二和第三季度每年都相对较低。但是在每年的第一和第四季度,污染物的浓度更高。因为进入冬季后,各种不可控因素导致严重污染天气的概率比较大。因此,我们应该关注如何改善空气质量在第一和第四季度。

通过过去几年的努力,在这22个城市污染物的浓度表现出下降的趋势。然而,这只能代表过去的努力。环境治理是一项长期的工程,这些城市在未来一定不能放松了警惕。在过去,国家侧重于经济发展,忽视环境保护的重要性。因此,当经济快速发展时,空气质量和生态环境受到严重破坏。现在,我们应该保护我们生活的环境,发展经济。

保护生态环境,改善空气质量是重要的任务。政府部门必须真正找到问题和问题的根源来解决这个问题。环境保护部门必须及时、准确,在空气质量预报,这样人们就可以更好地理解空气条件。监管机构还应加强检查,对公司更加认真负责,要求由国家整顿。对于那些关键领域的调查工作不应该被低估,以便更好的督促企业提高排放技术水平。政府部门也会举行活动奖励报告和鼓励公众积极揭露违法行为。人民日报煤炭的消耗也是污染的主要来源之一。特别是在北方,冬天人们使用太多的煤。因此,政府部门应该积极推动实施清洁能源代替煤工作。

总之,环境保护在我国不能放松。如果我们懈怠在环境治理,我们之前的努力将会白费了。

5。结论

摘要QCGM(1,1)模型用于研究在中国22个城市空气质量差。模型优化灰色模型的积累通过引入两个参数变量调节积累序列。为了解决这个问题,不同的污染物浓度显示出较大的差异在不同的季节,一个季节性因素引入模型。相比与传统的GM(1,1)模型,该模型的初始值是有效和拟合精度大大提高。预测结果表明,四种污染物的浓度,在这些城市在未来几年内很可能会下降。虽然这样的浓度₂也没有₂遇到了1级标准,点的浓度_2.5和点₁₀在大多数城市都远高于2级标准。因此,我们应该关注如何减少点的浓度_2.5和点₁₀在第一和第四季度。

在未来,我们仍然需要继续加强我们的空气管理工作。这些地区的空气质量差,我们应该做更多去改善它。当然,本文提出的模型还可以应用于水资源预测,能源消耗和其他数据和重要的季度波动。预测结果可以为有关部门提供参考,做出更好的贡献社会。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金(71871084)和优秀的年轻科学家河北教育部门(SLRC2019001)的基础。