基于AQI-Wavelet的安徽省旅游中心城市空氣質量的分析和研究

高鵬，謝東

（銅陵學院電氣工程學院，安徽銅陵244000）

基于AQI-Wavelet的安徽省旅游中心城市空氣質量的分析和研究

高鵬，謝東

（銅陵學院電氣工程學院，安徽銅陵244000）

以安徽省4個旅游中心城市蚌埠市、合肥市、蕪湖市和黃山市2016年全年366天的空氣質量指數AQI為研究對象。運用小波變換對其進行分析，并在Matlab R2012b中采用Db4小波基進行一維小波變換。將4座城市的2016年AQI數據導入小波分析工具箱中。進行小波分解后，得到4組近似信號a4，并對得到的4組近似信號分別分城市和分季度進行分析。結果表明4座城市中黃山市的a4近似信號波動最小且數值最低。其余3座城市季節波動均較大,從而得出黃山市空氣質量最優，其次是蕪湖市，而合肥市和蚌埠市近似信號波動較大且整體數值較大，空氣質量全年總體較差。

空氣質量指數；小波變換；安徽省；旅游中心城市

1 引言

安徽省政府辦公廳印發《安徽省“十三五”旅游業發展規劃》中提出將建立合肥、蕪湖、黃山、蚌埠市四大旅游中心城市。4個城市將發揮旅游產業動力極、旅游活力迸發極、旅游線路放射極的極化作用，充分釋放其戰略潛能，在更大范圍內、更廣領域上帶動全省旅游業的整體發展。作為旅游中心城市的大氣環境質量的好壞不僅直接影響到生活在該城市中居民幸福指數的高低，而且制約著該城市旅游產業的發展。AQI是空氣質量指數（Air Quality Index）的簡稱，是定量描述空氣質量狀況的無量綱指數。其數值越大、級別和類別越高說明空氣污染狀況越嚴重，對人體的健康危害也就越大。小波變換作為近30年發展起來的一種新型數據分析方法，已被用于分析武漢、上海、成都、蘭州等國內大中型城市的空氣質量指數的分析和研究中[1-7]。本文以國家環保部數據中心所發布的2016年蚌埠市、合肥市、蕪湖市和黃山市4座城市的日AQI為研究對象，應用一維連續小波Db4對其進行變換和分析，從而得出變化規律，為這4座城市的大氣環境監測和保護提供科學的依據。

2 數據與分析方法

2.1 數據來源

本文的分析數據是蚌埠市、合肥市、蕪湖市和黃山市4座城市2016年逐日AQI，該數據來源于環保部數據中心網站http://datacenter.mep.gov.cn/，具有較高的權威性和可信度。本次分析的數據從2016年1月1日到2016年12月31日共366天，具體4座城市的變化如圖1-4所示。

圖1 蚌埠市2016年空氣質量指數AQI的逐日變化

圖2 合肥市2016年空氣質量指數AQI的逐日變化

圖3 蕪湖市2016年空氣質量指數AQI的逐日變化

圖4 黃山市2016年空氣質量指數AQI的逐日變化

2.2 小波分析方法

小波分析是建立在傅里葉分析基礎上的分析工具，相較于傅里葉分析，小波變換可以從時域和頻域上充分展示被分析對象的局部化特征，可以聚焦細節信號，小波變換可以對任意時頻分辨率分解信號且自適應性強[8-10]。

在不同尺度上，記L2（R）是定義在實數集上平方可積的空間。如φ（t）∈L2（R）滿足允許性條件則φ（t）稱為可允許小波函數或基小波函數。通過基小波函數φ（t）的伸縮和平移，由連續小波得到可允許小波函數其中，a,b∈R，a＞0。對于任意函數f（t）∈L2（R）,其可允許小波函數φa,b（t）的連續小波變換為Wf（a,b）=其中a表示伸縮尺度因子，b表示平移尺度因子，Wf（a,b）就成為小波系數。本文主要是對小波變換后的近似信號進行分析。

在Matlab R2012b命令窗口中輸入wavemeun命令，進入小波變換工具箱（Wavelet Toolbox），如圖5所示。

圖5 Matlab R2012b小波變換工具箱

3 結果分析

本文采用Db4小波基進行一維小波變換，將4座城市的2016年AQI數據導入小波分析工具箱中，進行小波分解后，得到4組近似信號a4，如圖6所示。

圖6 4座城市2016年AQI的小波變換近似信號

從城市之間來看，4座城市中的空氣質量最優的是黃山市，黃山市的a4近似信號波動最小且數值最低，其次是蕪湖市，而合肥市和蚌埠市近似信號波動較大且整體數值較大，空氣質量全年總體較差；從分季度看，除黃山市外的3座城市均存在著第二季度的空氣質量是全年中空氣質量最優的季度，而第四季度和第一季度交接季是全年空氣質量最差的季節，而在第三季度又有二次的污染高峰；單獨來看，黃山市全年整體空氣質量較好，而且季度性變化不明顯。

[1]譚壯.近10年尺度成都市空氣污染指數變化小波分析[J].中國農學通報，2015,31（14）：200-205.

[2]曾偉，李云楨，陳軍輝.近基于AQI和小波分析的成都市空氣質量評價研究[J].湖南農業科學，2016（10）：56-60.

[3]馮奇.基于小波的武漢市PM10空氣污染指數時間序列分析[J].華中師范大學學報：自然科學版，2010,44（4）：678-685.

[4]吳小玲.基于小波變換的上海市SO2污染指數的變化[J].環境科學，2008,30（8）：2193-2198.

[5]王海鵬.基于小波變換的蘭州市近十年空氣污染指數變化[J].環境科學學報，2011,31（5）：1070-1076.

[6]劉盈曦，彭貴芬，陳先剛.香格里拉未來50a主要氣候環境變化預估——基于小波分析和多元VAR回歸預估模型[J].濟源科學，2016,38（9）：1754-1767.

[7]楊義，舒和平，馬金珠，等.基于Mann-Kendall法和小波分析中小尺度多年氣候變化特征研究[J].干旱區資源與環境，2017,31（5）：126-131.

[8]高志.Matlab小波分析及應用[M].北京：國防工業出版社，2007:15-28.

[9]邵曉梅，許月卿.黃河流域降水序列變化的小波分析[J].北京大學學報：自然科學版，2006，42（4）：503-509.

[10]劉明才.小波分析及應用[M].北京：清華大學出版社，2005:134-138.

An Analysis of the Air Quality in Tourist Cities in Anhui Based on AQI-Wavelet Transform

Gao Peng,Xie Dong
(Tongling University,Tongling 244000,China)

The AQI of 366 days in Bengbu City,Hefei City,Wuhu City and Huangshan City in 2016 in Anhui Province is studied using wavelet transform,and Db4 wavelet base is used for one-dimensional wavelet transform in the Matlab R2012b.The AQI data of 4 cities are then introduced into the wavelet analysis toolbox.After the wavelet decomposition,4 groups of approximate signals a4 are obtained,and the 4 groups of approximate signals are analyzed by city and quarter respectively.The results show that the a4 approximate signal fuctuation of Huangshan City is the slightest in the 4 cities while the seasonal fluctuation in the other 3 cities is obvious.Therefore,the air quality is the best in Huangshan City,followed by Wuhu City.The air quality in Hefei and Bengbu City is generally poor throughout the year,as they have greater approximate signal fluctuations and larger overall values.

air quality index;wavelet transform;Anhui province;tourist city

TP395；X51

A

1672-447X(2017)05-0030-003

2017-04-21

銅陵學院自然科學研究項目（2015tlxy30）；安徽省高校自然科學基金重點資助項目（KJ2015A245）

高鵬（1984-），安徽潁上人，銅陵學院電氣工程學院講師，研究方向為現代控制理論方法與應用。

責任編輯：胡德明