空氣質量檢測儀的濃度預測及校準

亳州學院 安徽 亳州 236800

一、問題重述

1.1 問題的背景 空氣問題是我們人類關乎生存的重大問題,人類沒有了空氣就如同魚兒離開了水就不能存活。習大大在2018年全國生態環境保護大會上為了解決生態環境問題而提出的新觀點:“堅決打好污染防治攻堅戰,推動生態文明建設邁上新臺階。”大氣污染是全人類的公敵,它不僅對人體健康存在嚴重的危害,同時也嚴重的影響著自然生態環境。所以對空氣質量的建立相應的數學模型,不僅對我們的生活有所裨益,而且對各地政府機構研究制定大氣污染防治政策具有實際的指導意義。習大大曾經說過:“綠水青山就是金山銀山。”因此空氣質量十分重要。

空氣污染對生態環境和人類健康危害巨大,通過對“兩塵四氣”(PM2.5、PM10、CO、NO2、SO2、O3)濃度的實時監測可以及時掌握空氣質量,再通過準確的建立數學模型來對于對污染源采取相應措施。雖然國家監測控制站點(國控點)對“兩塵四氣”有監測數據,且較為準確,但因為國控點的布控較少,數據發布時間滯后較長且花費較大,無法給出實時空氣質量的監測和預報。某公司自主研發的微型空氣質量檢測儀花費小,可對某一地區空氣質量進行實時網格化監控,并同時監測溫度、濕度、風速、氣壓、降水等氣象參數。空氣污染對生態環境和人類健康危害巨大。國家有國控點,地方有自建點,但國控點與自建點都有優劣之處。國控點儀器精準,但國控點的基站數目較少且影響因素多。

二、問題分析

對自建點數據與國控點數據進行探索性數據分析。通過對自建點數據與國控點數據進行使用借助MATLAB數學軟件及C語言程序導入并且對相應的數據求均值,導出分析自建點數據與國控點數據,分析自建點與國控點。再通過運用Python軟件得出自建點與國控點的未來預測數據。

對導致自建點數據與國控點數據造成差異的因素進行分析。由于所使用的電化學氣體傳感器在長時間使用后會產生一定的零點漂移和量程漂移,非常規氣態污染物(氣)濃度變化對傳感器存在交叉干擾,以及天氣因素對傳感器的影響,對自建點與國控點的數據圖通過借助MATLAB數學軟件及C語言程序擬合分析制并制作出擬合數據庫,通過擬合數據庫分析其因素。根據國控點的數據與自建點的數據進行比較。國控點的數據以小時為單位,自建點的數據以每五分鐘為單位。對自建點數據與國控點數據進行探索性數據分析。根據國控點的數據與自建點的數據運用MATLAB數學軟件及C語言程序與Python軟件對導致自建點數據與國控點數據造成差異的因素進行分析。

三、問題假設

(1)假設自建點數據與國控點數據都是準確無誤的數據均為可供分析的可靠數據,不存在錯誤數據

(2)假設自建點數據與國控點數據相同的外部環境,在對自建點數據與國控點數據測量過程中不考慮隨機因素

(3)假設題中的6個條件指標的影響程度是不相互影響的

(4)假設各個機器都能正常檢測“兩塵四氣”

(5)假設自建點數據與國控點數據是相互獨立,不互相影響的

(6)假設自建點數據與國控點數據不存在零點漂移和量程漂移

(7)假設自建點數據與國控點數據不存在非常規氣態污染物(氣)濃度變化對傳感器存在交叉干擾

(8)假設自建點數據與國控點數據不存在天氣因素對傳感器的影響

四、模型的建立與問題解答

空氣污染對生態環境和人類健康危害巨大,通過對“兩塵四氣”(PM2.5、PM10、CO、NO2、SO2、O3)濃度的實時監測可以及時掌握空氣質量,對污染源采取相應措施。雖然國家監測控制站點(國控點)對“兩塵四氣”有監測數據,且較為準確,但因為國控點的布控較少,數據發布時間滯后較長且花費較大,無法給出實時空氣質量的監測和預報。某公司自主研發的微型空氣質量檢測儀花費小,可對某一地區空氣質量進行實時網格化監控,并同時監測溫度、濕度、風速、氣壓、降水等氣象參數。這是對“兩塵四器”(PM2.5、PM10、CO、NO2、SO2、O3)的大致的數據處理,其誤差偏大,但有一定的科學依據反應出國控點與自建點有誤差,可以大致看出兩塵四氣體的基本狀況。

我們擬通過數學MATLAB軟件與Pytho軟件來預測空氣污染物濃度模型。由于本文所構建的是非機理模型,當前時刻空氣污染物濃度會受過去一個時間段內空氣污染物濃度的影響,所以有本底污染物濃度的初始值存在,又因為影響空氣質量的PM2.5、PM10、CO、NO2、SO2、O3等6種污染物之間彼此會存在一定程度的轉換關系,換言之,當前時刻的6種常見污染物指標的濃度勢必會影響到后一時刻的其他污染物濃度。通過建立污染物單因子循環神經網絡的預測模型,經過多次試驗,決定以過去2小時內因子的小時濃度均值和當前時刻六種污染因子的每小時濃度平均值共計8項作為輸入層。并將因子的下一小時的濃度平均值用作輸出層。以預測PM2.5一小時濃度均值為例,如下表所示,當我們模型要預測PM2.5一小時濃度均值模型時,只需要知道當前PM2.5、PM10、CO、NO2、SO2、O3一小時濃度均值以及過去2個小時的PM2.5小時濃度均值,我們就能預測出下一個小時PM2.5的濃度均值。

通過用MATLAB對數據進行分析得到數據國控點與自建點的主要污染指標分析

PM2.5:國控點PM2.5濃度的變化,在3916小時左右顯示最低,在1306小時的時候濃度變化最大。從開始一直到2466小時左右國控點下PM2.5濃度的變化比較大顯的非常陡峭。在2466小時以后則顯得非常平緩,基本上都在0到200ug/m3內變化,可以看出時間越長,PM2.5變化會越小。自建點PM2.5濃度變化圖中,在40471h到48565h之間PM2.5濃度達到最高為540ug/h,在1h到72847h之間PM2.5主要集中于280ug/h3.后期變化較為穩定。

PM10:國空點下PM10的濃度變化。僅在2076小時左右和3191左右的變化比較高。隨著時間的增加,國控點下PM10的濃度變化將會越來越平緩。基本上在0到300ug/m3之間變化。國控點下PM10的濃度變化隨時間變化并不是很大。整體上看起來是特別平緩,所以看出PM10影響比較小。自建點排名PM10濃度變化中,在40471h和48565h之間最高可達到920ug/h3.在1h和72847h在50ug/h3聚集。在72847h之后少數可達到400ug/h3,主要集中于150ug/h3到300ug/h3之間。

CO:國控點下CO濃度變化隨時間的變化。1530小時左右看,可以看出國空間下CO濃度變化最低。前642小時之前,國控點下CO濃度的變化隨時間的變化比較陡峭。此之后,國控點下CO濃度的變化逐漸變得平緩。總體上看國控點下CO濃度隨時間變化比較明顯。特別是在時間前期變化的非常明顯。整體上都在0到3mg/m3之間變化。自建點下CO濃度變化整體來看CO濃度落差不大,但在40471h到56659h之間最大落差可達到3mg/h3.在1h到202351h之間主要集中于1mg/h3和1.5mg/h3,較少的位于0.5mg/h3.其他的主要集中于2mg/h3。

N02:國控點NO2的濃度隨時間的變化。從總體上看。隨著時間的增加,國控點NO2的濃度的變化比較明顯。0到1016年段內,國控點NO2的濃度的變化比較低且比較平緩。在1161分鐘后,國控點NO2的濃度變化比較大。在1016分鐘后,國控點NO2的濃度的變化呈現波形震蕩。從整體上看,在3626分鐘時國控點NO2的濃度取得最大值。在581分鐘左右國控點NO:的濃度取得最小值。整體上看,隨時間的增加,國控點NO2的受到的影響比較大。自建點NO2的濃度隨時間的變化。在前期自建點NO2的濃度變化比較平穩。56659分鐘時,自建點NO2的濃度變化比較陡峭,且為整個圖表的最高值,在這個時間后自建點NO2的濃度迅速下降,且變化平穩。在97129分鐘后,自建點NO2的濃度的變化。有陡然上升,后來又變得比較的平穩。從整體上看自自建點NO2的濃度隨時間的變化,還是比較平穩的。

S02:國控點下SO2濃度變化隨時間的變化。在時間的后期,隨時間的變化,國控點下二氧濃度的變化比較平緩。在時間的前期國控點SO2濃度變化比較陡峭。特別是在1073小時之前。國控點下SO2濃度隨時間在0到120ug/m3內變化。在時間的后期3619小時左右濃度變化會陡然上升。從整體上可以看出控點SO2濃度隨時間變化還是比較明顯的。自建點下so2濃度變化當時間56659分鐘時濃度變化達到最大值,約1100ug/分鐘,在56659分鐘之后無明顯變化,基本濃度為零。但是在56659之前濃度有細微的變化。總體而言濃度還是趨近于零,除了56659分鐘時達到最大值。

03:國控點下O3濃度的變化隨時間變化,在291小時代時候O3濃度變化的比較明顯,隨著時間的增加O3濃度變化比較平緩,直到2756小時的時候,隨著時間的增加,國空點下O3的濃度開始陡然上升。在1161小時代時候國控點下的O3濃度最低。在2841小時的時候國控點下的O3濃度最高,在時間變化的過程中,開始的階段,國控點的O3濃度變化平緩,時間越長,則變化的比較陡。可以看出時間越長國控點下的O3濃度將會越大。自建點下O3濃度變化隨時間的變化。在150895分鐘左右的時間段取得取得最大值。58682時間段里取的最小值,從總體上看。自建點下O3濃度隨時間的變化非常陡峭,比較明顯在。在58682到100597的時間段自建點下O3濃度隨時間變化比較小,影響比較小。時間越長,自建點下O3濃度的變化范圍越廣。

自建點下的其他數據運用MATLAB軟件對數據進行分析得到以下:

以下自建點的風速、壓強、降水量、溫度、濕度的數據分析

風速:自建點風速變化中在72847h到80941h之間濃度每小時變化最快,可達到9h每秒。在129505到186163之間較為突出,主要集中于7h每秒。前期時間段比較平穩,整體變化較為平和。

壓強:自建點壓強變化中其平均壓強在1000pa以上,最高壓強可達1040pa,整體趨勢呈下降趨勢。

降水量:自建點下降水量變化可分為兩個部分,在1h到48565h之間降水量呈上升趨勢,達到最高點310mm/h2.分布的降水量較為集中,呈現出矩形形狀。第二部分,在48565h到161881h之間,48565h與64753h之間降水量接近0mm/h2,此后降水量在逐步上升。在161881h到169975h之間出現降水量直線回落,直到226633h時逐步平穩至250mm/h2.

溫度:自建點溫度變化下,整體趨勢呈現上升。在97127h到105210h之間出現了巨大轉折,后期趨勢一路上漲達到40攝氏度。但是在16187h到48559h之間出現零下攝氏度。

濕度;自建點下濕度隨時間的變化,隨著時間的增加,自建點下濕度變化還是比較平緩的整體上成一個波動不大的波浪線,整體自建點下濕度的變化20rh到100rh沒變化,自建點下濕度129505分鐘左右取得最小值。濕度的最大值為100rh。時間后期基本上保持在80rh到100rh之間變化,自建點下濕度波動不是很大影響比較小。

通過MATLAB軟件對自建點與國控點進行預測得到通過使用Python對自建點的風速、壓強、降水量、溫度、濕度的數據處理與預測得到數據分析:

通過預測數據可以看出“兩塵四氣”(PM2.5、PM10、CO、NO2、SO2、O3),這些數據對未來的監測有一定參考價值。通過預測值、國控點、自建點三方面數據可以對未來的數據的精準的有大大提升。

空氣中的所有的氣體污染物達到一定濃度時,將影響人體健康,降低能見度,甚至改變區域的氣候。目前中國的所有的氣體污染物污染已經受到政府相關部門、科學界與普通民眾的廣泛關注已成為影響人民生活的重要因子之一。所有的氣體污染物是區域性大氣復合污染的重要產物,其既有一次來源,也有經其它氣態或半揮發性物種二次轉化生成,來源復雜。準確掌握大氣所有的氣體污染物濃度對于掌握區域大氣復合污染特性,以及制定科學的污染控制措施有重要的作用。國控點與自建點兩家每天每小時都在發布所有的氣體污染物濃度數據,由于濃度數據不完全一樣,有時甚至存在較大差異,導致不少民眾會對真實的所有的氣體污染物濃度產生疑惑。我們主要對國控點與自建點數據對比分析兩個機構公布的所有的氣體污染物濃度,以增公眾和強學界對所有的氣體污染物濃度的理解。首先假定大氣環境中污染物信息熵的時間序列作為我們研究的參考序列灰色關聯分析法源于灰色系統理論。它是通過描述序列曲線的幾何形狀,根據其相似程度來判斷系統因素之間的聯系是否緊密,從而找出復雜系統中的主次因素。將數據帶入公式得出結論在該理論中,關聯度數值越大,表示該因素在大氣污染物指標系統中對參考序列(特定污染指標,如PM2.5、PM10、CO、NO2、SO2、O3污染濃度指標)的影響就越大,反之,關聯度數值越小,表示該因素在系統中對參考序列影響就越小。

我們對國控點與自建點,分析了2018年11月4日到2019年6月11日各污染物的濃度均值,污染物采用24h平均值作為日均值;而月(年)均值為各月(年)所有有效天的日均值的平均值。通過對比不同月份兩個機構監測的濃度分析國控點與自建點大氣細顆粒物污染監測的差異,通過MATLAB軟件對國控點與自建點的數據進行擬合,建立國控點與自建點的數據擬合數據,通過圖片分析“兩塵四氣”(PM2.5、PM10、CO、NO2、SO2、O3)。

(一)擬合數據分析。國控點與自建點空氣污染物濃度對比,國控點與自建點空氣污染物濃度均值表現出一致的日變化規律與相似的濃度水平。總體而言,自建點(2018與2019年均值分別為55與50)略高于國控點的均值。(2018與2019年均值分別為53與49)從空氣污染物月均值的差值來看,自建點在2018年5-6月的濃度顯著較低(圖3),5月和6月比國控點的數據分別低了約10和30μg/m3,在2018年年初與8-9月也偏低約5～10μg/m3,但自建點的平均濃度在2018年12月,2019年1月和7一10月要比自建點高出約5～10μg/m3,其余月份自建點的濃度與國控點平均濃度水平接近。從兩年的數據來看,自建點與國控點的空氣污染物濃度差異并未呈現出季節性規律。若剔除2019年6月這一極端月份,則自建點與國控點均值接近。這說明國控點空氣污染物年均濃度高于自建點均值主要由于某個極端月份造成,大部分時段兩者都比較接近。

(1)國控點與自建點PM2.5擬合數據:在0到1000小時左右的時間內。國控點與之間點的差別比較大呈現出一年中的極端月份。如果剔除這個極端月份的話,國控點與自建點的均值接近。在這個極端月份國控點與自建點呈現你高我低的趨勢。國控點的空氣污染濃度差異。并沒有呈現季節性規律。從圖的整體上看,國控點與自建點PM2.5隨著時間的變化逐漸的降低,且逐漸變得平緩。

(2)國控點與自建點PM10擬合數據:國控點與自建點PM10隨著時間的變化非常的平緩。國控點與自建點PM10空氣污染物濃度均值表現為一致的變化,濃度均在0到180ug/m3之間變化。國控點與自建點PM10濃度污染并沒有呈現季節性變化,也也無極端月份。國控點與自建點對空氣的污染度基本上一致,兩者比較接近,幾乎是相等的。

(3)國控點與自建點CO擬合數據:在0到4000小時之內,國控點與自建點CO濃度的變化曲線是比較平穩的。在4000小時之后,有的陡然上升的趨勢。在2000小時到2500小時左右的時間鍛煉也有著明顯上升的趨勢,在這個時間段內,存在極端月份,剔除這一極端月份,則國控點與自建點CO濃度在這上半年均值相等,隨著時間的變化,在下半年國控點與自建點CO濃度有著陡然上升的趨勢,且國控點與自建點CO濃度的差異比較明顯。

(4)國控點與自建點NO2擬合數據:從國控點與自建點NO2的濃度上來看,NO2的濃度變化存在的極端月份。在0到1500小時之內,國控點與自建點NO2擬合圖存在著很大的變化,特別是在500到1000小時之內。有著極端月份的變化,隨著時間變化,國控點與自建點NO2濃度變化比較大,國控點與自建點NO2濃度之間點的差異較大,均值不同。整個變化范圍在0到50ug/m3之間變化,如果這個剔除這個極端月份,整體上來看,國控點與自建點NO2的濃度還是比較平緩的。

(5)國控點與自建點SO2擬合數據:在0到1000小時的時間內變化的波動還是比較大的。國控點與自建點SO2濃度差異比較大,均值不同。在1500小時之后再變得比較平緩,這里存在著極端月份,并沒有存在的季節變季節性變化。如果剔除極端月份的話,國控點與自建點SO2濃度在0到30ug/m3之間變化。從500小時到1500小時的時間段內,國控點與自建點SO2濃度隨時間下降的速度最快。總體上來看下半年國控點與自建點SO2濃度的變化還是比較平緩的。

(6)國控點與自建點O3擬合數據:從開始的階段兩者的差異非常大,從250ug/m3下降的速度非常的快,再到500小時之后,變得的較為平緩,在1500小時之后,國控點與自建點O3的濃度變化逐漸的增加,兩者出現較大的差異。國控點與自建點有著同步增加的趨勢,隨著時間的推移,1500到4000小時這個這個時間段內。國控點與自建點O3的濃度不斷的增加,這里存在著季節性差異,從土地整體上來看,國控點與自建點O3濃度隨時間的差異還是比較大的。

(二)原因分析。國控點位于城市市的中心城區,附近路網密布,交通繁忙,受交通源的影響較大;自建點分布于不同行政區的不同功能區,其中包括學校、公園或居民區。位置的差異是造成兩者濃度差異的主要原因。由于廣自建點分布較廣,其均值更能代表城市平均污染水平;而國控點使用站點有限,其不足以代表城市的平均情況,只能說明其所在區域的情況。另外,監測設備測量方法的差異也是原因之一。由于所使用的儀器不同外界因素導致的誤差存在,由于電化學氣體傳感器在長時間使用后會產生一定的零點漂移和量程漂移,非常規氣態污染物(氣)濃度變化對傳感器存在交叉干擾,以及天氣因素對傳感器的影響,在國控點近鄰所布控的自建點上,同一時間微型空氣質量檢測儀所采集的數據與該國控點的數據值存在一定的差異,因此,需要利用國控點每小時的數據對國控點近鄰的自建點數據進行校準。

因此,自建點的數據與國控點均值不具有直接的可比性,但由于自建點與國控點都在城市市中心城區,所以在談及城市大氣污染時,兩者都有一定的參考價值。

五、模型的改進

5.1 模型的改進 回歸模型預測技術中采用最小二乘法計算回歸模型參數理論上存在一定的缺陷,是模型在進行中長期時產生較大誤差。通過對最小二乘法進行改進,在一定程度上彌補這種缺陷,提高了回歸模型的適用性和穩健型。在傳統回歸模型的參數估計方法中,最小二乘法利用刻畫真實值與模型值之間偏差,主要考慮到計算簡便,參數估計易于用公式求解,但當原始數據存在奇異點時,平方會放大奇異點對可信度的影響,導致回歸模型的預測效果不好,即最小二乘法的穩健性不好。在中長期負荷預測中,經常會出現異常點。采用傳統的最小二乘法進行負荷預測時通常首先剔除這些偏差較大的奇異點,再進行下一-步的分析和預測。然而這些異常點恰好在某些方面反映了一些特殊的信息,不可以隨意剔除。