基于逐步回歸法的天津市大氣PM10濃度預報模型及其應用

孟麗麗 王怡

摘要：分析了天津市大氣污染物的時空特征，利用數據資料重點研究了風速、相對溫度、相對濕度，以及降水等對空氣污染的影響，在此基礎上利用逐步回歸統計方法建立了不同季節的PM10的濃度預報模型，并對這3種預報模型進行了比較，結果表明：夏季的獨立樣本的檢驗結果明顯優于冬季，和天津當地的氣候比較融洽。同時，該模型的建立大大縮減了日常監測的工作量和運算過程，提高了效率，為政府采取普遍有效的污染防治措施提供了依據。

關鍵詞：空氣質量;PM10;預報模型;逐步回歸

中圖分類號：X511

文獻標識碼：A

文章編號：1674-9944（2018）6-0069-04

1引言

天津是北方重要的港口城市，處于環渤海地區和東北亞的核心區域。但是隨著現代化的發展，天津的白然環境卻在日益惡化。尤其近幾十年來，汽車數量成倍增長，汽車尾氣加重了空氣污染。大氣中的主要污染物是大氣氣溶膠、二氧化硫、二氧化氮、一氧化碳、氯氣和光化學煙霧。空氣污染問題日益嚴峻，人們開始對空氣質量進行預報，以便采取有效的污染防治措施。所以研究分析空氣污染狀況，建立空氣污染預報方案是當前研究的重要課題。本文的研究內容包括：天津市污染氣象條件分析，研究了風速、溫度、相對濕度、降水與空氣的關系及對空氣污染的影響。通過上述分析，選出與PM10 濃度相關性較強的因子作為統計預報方法的輸入因子，利用逐步回歸法精選出預報模型的輸入因子，通過分季節建立PM10濃度的線性回歸模型，該模型通過了檢驗，在此基礎上利用該模型進行預報。

2天津市大氣質量影響因素分析

2.1天津市地理位置氣候概況

天津市地處華北平原東北部，環渤海灣的中心.東臨渤海，北依燕山，位于北緯38°34'～40°15'，東經116°43'-118°04'之間，處于國際東八時區。天津市土地面積為11919170hm2，南北長189km，東西寬117km。天津地質結構多樣，大部分被新陳代謝沉積物覆蓋，地勢以平原和洼地為主，海拔由南到北降低，北部最高有低山丘陵，海拔1052m，東南部最低，海拔為3.5m。

天津位于中緯度歐亞大陸東側，主要受季風環流影響.是東亞季風盛行的地區，屬于大陸性氣候。四季分明，春季多風.干旱少雨;夏季炎熱，降雨集中;秋季冷暖適中;冬季寒冷干燥，降雪量少。天津的年平均氣溫在11.4～12.9℃，市區平均氣溫最高值是12.9℃.1月份最冷，平均氣溫在-5-- -3℃之間;7月份最熱，平均氣溫在26 --27℃。夏季季風盛行，冬季春季風速最大;夏季秋季風速最小。年平均風速在2～4m/s，大部分為西南風。天津年平均無霜期為196--246d，最長無霜期為267d，最短無霜期為171d。四季中，冬季最長，有156--167d，夏天有87--103d;春季56～61d，秋季最短，僅有50～56d。天津年平均降水量為520～660mm，降水日數在63--70d之間。在地區分布上山地多于平原，沿海多于內陸。在季節分布上，6、7、8月份的降水量占全年的75%。天津的日照時間比較長，年日照時長在2500--2900h。

2.2天津市空氣中污染物主要來源

天津市空中的污染物主要為可吸入顆粒物二氧化硫，其次是二氧化氮和一氧化碳等。目前天津市常規進項的空氣檢測檢測的污染物包括：二氧化硫、二氧化氮、臭氧、一氧化碳、PM10、PM2.5等。

2.3天津市氣象條件對空氣污染的影響

2.3.1風速與空氣污染

風對于空氣中的污染物有傳遞和運輸的作用，風速在一定程度上影響著空氣中污染物的濃度。天津處于東亞季風盛行的地區，受到季風環流支配，全年各季主導風向都受到了季風的很大影響。天津夏季多南風、偏南風、東南風，受東南偏南風的主導，平均風速在1.7m/s，10%的大風風速可達到3m/s;過渡季多北風、偏北風、南風和偏南風，受西南風的主導，平均風速在2.2m/s，10%的大風風速可達到5m/s;冬季多北風、東風、南風、西南風、受東風主導，平均風速在2.9m/s，10%的大風風速可達到5m/s。

2.3.2相對溫度與空氣污染

近地表層的空氣溫度對空氣污染物有顯著影響，空氣中的污染物與近地表層的空氣成呈負相關關系。空氣溫度越高相對的大氣對流活動越強，空氣層的結構也就越不穩定，這就有利于空氣中的污染物傳播、擴散，空氣中的污染物濃度得到稀釋，空氣質量就會變好。反之，空氣溫度越低，空氣中的污染物不能被稀釋，污染物在空中沉積，就容易造成空氣污染物。夏季的太陽輻射強，相應的近地層空氣溫度高，大氣對流活動強，空氣質量較好。冬季太陽輻射弱，近地層空氣溫度低，大氣對流活動弱，空氣中的污染物得不到稀釋，空氣質量差。

2.3.3相對濕度與空氣污染

空氣濕度也會影響空氣質量的好壞，天津市隨著城市的快速發展，城區面積擴大，水域面積相對減少，導致氣溫上升，同時地面的公共設施，城市馬路，人行道，建筑，多為不透水層，并具有良好的排水設施.降雨后雨水迅速流失，地面干燥;天津市內地表植被覆蓋少，自然蒸發量和蒸騰量少，是天津天氣比較干燥。天津的濕度類型屬于干燥型，年平均相對濕度在59%左右，冬季和春季多風，降水量少往往是天津最干燥的季節，春季的相對濕度在44%-53%，冬季的相對濕度在55%-69%;夏季季是天津雨水比較集中的季節，空氣中的濕度比較大，所以夏季的相對濕度在67%-74%，秋季的相對濕度在62%-68%。

2.3.4降水與空氣污染

降水能夠有效地清除、沖刷空氣中的各種污染物，降低空氣中各種污染物的濃度，使空氣中的污染物得到自然凈化，對減少污染物和抑制揚塵有很好的作用，按季節來看，夏季更能體現降水對空氣質量的影響，夏季降水可使空氣中的可吸入顆粒物明顯降低，使空氣質量好轉;可是冬季這種影響卻很少體現。主要是因為降水在夏季較集中且量多，冬季降水次數少而且量少。

3天津市大氣PM10預報模型及其應用

3.1數據來源

本文選用的主要資料包括環境監測資料和氣象資料。環境監測資料：2013年12月～2014年11月天津市監測站的主要空氣污染PM10、SO₂、NO₂的每日濃度資料，每日AQI指數;月度平均資料。2012年12月～2014年12月，201 5年4月，2015年8月天津市每日PM10濃度。

氣象資料：主要是2012.12～2015.11天津基準站地面氣象逐日觀測數據（數據由web站點“Reliable Prognosis”提供）。

3.2逐步回歸法

在多元回歸方程中，選取合適的變量是十分重要的。逐步回歸法是一種選擇最優變量子集的方法，可以從提供的可供挑選的變量中，根據一定的顯著性檢驗，每一步只選人一個變量進入方程。

逐步回歸法是一種考慮全部解釋變量對被解釋變量作用大小，顯著程度大小，然后從大到小的引入回歸方程，對被解釋變量作用小的變量可能被排除在回歸方程外。對已經被引入回歸方程的解釋變量在引入新的解釋變量后也有可能失去原來的重要性而被從回歸方程中提出。引入一個變量和從方程中提出一個變量都是逐步回歸的一步.每進行一步都要進行顯著性檢驗，以確保回歸方程中只含有對被解釋變量顯著影響的解釋變量。

3.3預報因子的選取

使用逐步回歸法對冬季預報因子進行精選，得到6個預報因子，對春季預報因子精選得到4個預報因子，對夏秋預報因子精選得到8個預報因子。

3.4 PM10統計預報模型的建立

3.4.1多元線性回歸方程建立

利用所選取的預報因子，將天津市的PM10日均濃度作為預報對象建立回歸分析的資料長度分別是：春季5個月139d，夏秋季17個月518d，冬季9個月329d，使用SPSS統計軟件分別建立冬季，春季，夏秋季的PM10濃度的線性模型。其模型如下：

冬季：

y=415.215-4.667X1-4.089X2-45.556X3-23.838X4+0.216X5-l.239X6

春季：

y=5491.69-3.124X1-6.899X2+5.83X3-2.708X4

夏秋：

y=1679.62+0.559X1-1.737X2-l.079X3-1.307X4-2.063X5-4.667X6+0.802X7+3.105X8

利用回歸方程的顯著性檢驗的方法對上述方程進行顯著性檢驗，由F檢驗臨界值表可以查出，F（0.01）（8120） =2.16，F（0.01）（4120）-3.47，冬季、春季、夏秋季的F檢驗值分別是F（冬）=2.907、F（春）=3.48、F（夏秋）=2.52。冬季和夏秋季F檢驗值均大于F（0.01）（ 8120）=2.16，春季的F檢驗值大于F（0.01）（4120）-3.47。所以分季建立的PM10預報方程是顯著的。方程式可行的。

3.4.2模型對獨立樣本檢驗

利用該預報模型，對于沒有參與模型建立的2014年12月，2015年4月，8月的這3個月作為獨立樣本做逐日預報。從表2中可以看出2014年12月31d的相對誤差平均值72.20μg/m?，相對誤差在61.95%，對PM10 的濃度有一定的預報能力。

表3通過對2015年4月30d的數據進行預測，得到結果其相對誤差在，絕對誤差控制在56.95%。對PM10濃度處于144～188之間的天數，有較好的預報效果，對PM10濃度較小時反應不靈敏，一定范圍內可以有較好的預報PM10濃度。

表4對2015年8月31 d進行預測，得到結果其相對誤差在，絕對誤差是18.09%。在8月3日出現一次較大誤差，其相對誤差為83.21%。其他天數誤差均小于50%，維持在很低的誤差水平上，說明此模型可以很好的預測夏秋PM10濃度。

通過對3個獨立月份的預測，得到的結果。分季節建立的PM10濃度預報模型，模型表現出季節的差異，從預測效果上來看：夏秋季最好、春季次之、冬季最次。其原因是冬季一方面由于大風天氣帶來的揚塵，另一方面冬季氣溫偏低不利于污染物擴散。夏季影響污染物濃度的因素變化活躍，各種因素的影響是回歸模型包含的因子豐富，更易得到準確的預測。在實際的防治中應該在冬季加以重視，保障人體健康安全不受到威脅.