合肥市空气质量评价及其影响指标分析

黄暄 陈婷 黄婧

摘要：随着经济发展和城市化进程的加快，城市大气污染问题日益严重，大气污染对人类的生存环境和身心健康的危害不断加深，监测、治理势在必行。合肥市近年来发展势头迅猛，其环境状况尤其是空气质量也备受各界关注。本文主要对合肥市空气质量进行评价，对未来几天的空气质量进行预报，并根据结果提出治理方案。首先根据2014-2017年近四年合肥市的空气质量数据，用统计方法进行空气质量指数（AQI）及其污染因子的时空分析，并根据优良天数进行可视化分析，得到合肥市的冬季空气污染最严重，合肥市空气污染最严重的地区是庐阳区。然后进一步分析影响合肥市空气质量的因素有哪些，通过分析污染物与AQI指数的相关关系，得到影响空气质量的主要污染物是PM2.5、PM10和CO，然后从天气和经济两个方面提出产生污染物的具体影响指标，并利用BP神经网络模型对合肥市未来空气质量进行预测，通过该模型，可提前了解未来几天的空气质量状况，并根据空气质量做好防护措施。最后根据影响空气质量的经济指标和预测结果提出措施与方案。

关键词：空气质量指数；相关分析；多元回归；层次分析；BP神经网络

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）32-0191-04

Abstract With the acceleration of economic development and urbanization， the problem of urban air pollution is getting worse， monitoring and governance are imperative. Hefei City has developed rapidly in recent years， many areas pay attention to its environmental conditions， especially air quality. This paper mainly evaluates the air quality of Hefei City， predicts the air quality in the next few days， and proposes the treatment plans based on the results. Firstly， according to the air quality data of Hefei City in the past four years from 2014 to 2017， we analyze the time and space of air quality index （AQI） and its pollution factors by statistical methods， besides， we did visual analysis according to the number of good days. we get the conclusion that the winter air pollution in Hefei City was the most serious. The area with the most serious air pollution in Hefei City is Luyang District. Then， we analyze the factors affecting the air quality of Hefei City. By analyzing the correlation between pollutants and AQI index， the main pollutants that affect air quality are PM2.5， PM10 and CO. Then， from the two aspects of weather and economy， the specific impact indicators of pollutants are proposed. And we predict the future air quality of Hefei City by BP neural network model. According to the model， you can get an early understanding of the air quality in the next few days and take preparations based on air quality. Finally， based on economic indicators and forecast results that affect air quality， measures and plans are proposed.

Key words： Air quality index； Correlation analysis； Multiple regression； Hierarchical analysis； BP neural network

1 引言

合肥作為省会城市，空气质量问题是深受广泛关注的，对此我们可以利用空气质量指数（AQI），对该城市空气质量状况和变化趋势进行分析。通过搜集合肥市近4年空气质量指数，通过数据和图表直观地分析合肥市空气污染最严重的时间和地区，进而分析影响合肥市空气质量的因素，并给出提高空气质量的措施，提出综合治理方案。本文主要考虑计入空气质量指数的六个指标以及某些指标之间的交互作用，通过计算PM10、PM2.5、SO2、CO、NO2、O3之间的关联度，分析影响空气质量指数的主要因素，通过天气指标和经济指标来分析产生污染物的主要原因，并根据空气质量的历史数据对空气质量进行预测，同时依据合肥市的工厂数目、尾气排放量等实际情况和预测结果提出提高空气质量的措施与治理方案。

2研究方法与数据来源

2.1数据来源

空气质量资料来源于合肥市2014年1月到2018年3月AQI指数和6种污染物（PM10、PM2.5、SO2、CO、NO2、O3）的实时监测数据，合肥市十个区的AQI和污染物的实时监测数据以及合肥市天气指标数据（平均气温、天气情况、风向、风力）和经济指标数据（合肥市年GDP、合肥市公路营运车辆拥有量、单位GDP能耗、卷烟、建成区绿化覆盖面积、工业废气排放量）。

2.2研究方法

2.2.1 相关分析

相关分析是研究随机变量之间的相关关系的一种统计方法。其计算公式见式（1），式（1）中r为x与y的相关系数，相关系数的绝对值越接近1，x与y的相关性越强，相关系数越接近于0，x与y的相关性越弱。

2.2.2 多元回归

将六种污染物及其交互作用项作为自变量，用X1-X6分别表示污染物 PM2.5、PM10、SO2、CO、N02、O3，AQI指数作为因变量用Y表示，用X5*X6表示NO2和O3的交互作用，X4*X6表示CO和O3的交互作用，X3*X5表示SO2和NO2的交互作用。建立的多元回归模型如式（2）所示。

2.2.3 层次分析

层次分析法将决策问题的有关元素分解成目标、准则、方案层次，用定性和定量分析相结合的方法进行决策。层次结构的顶层是决策问题的主要目标，较低级别是有助于实现目标的有形或无形标准和子标准，底层由替代方案形成，以根据标准进行评估。本文将AQI指数作为目标层，污染物作为准则层，天气指标作为方案层，构造判断矩阵，最后将影响空气质量的天气指标按影响大小进行排序。

2.2.4 BP神经网络

BP神经网络是一种多层次反馈型网络，学习过程由信号的前向传播和误差的反向传播组成，在前向传播过程中，输入信息从输入层经隐含层到输出层，每一层神经元的状态只影响下一层神经元的状态，如果输出层得不到期望输出，则转入反向传播，将误差信号按原来路径返回，通过修改各层神经元的权值，使得误差信号达到最小。在对多层网络进行训练时，需要提供一组训练样本，本文将收集到的合肥市AQI指数作为训练样本，随机选取三个时间点进行预测，并将其与真实AQI指数进行对比，不断调整权值，最终得到较为优化的预测模型。

3 結果

3.1研究区域空气质量时空分析

3.1.1研究区域空气污染最严重时间

根据搜集的合肥市近四年空气质量指标数据，分析各个年度AQI的变化情况。折线图可以直观地反映AQI变动的趋势，便于对不同时间段进行数值比较，从图中可以看出，数据的变动趋势在某些时间段十分相似甚至高度吻合，尤其是每年的12月、1月和2月的AQI指标都明显高于其他月份，说明合肥市空气污染最严重的时间是冬季。

3.1.2研究区域空气污染最严重地区

考虑到空气质量受各个季度的影响可能不同，我们选取了2017年每个季度的中间月，即2月、5月、8月、11月这四个月份合肥市各地区的污染物及AQI指数作为分析数据，得到如下结果。

对合肥市各区污染物及AQI指数取均值得到如上结果，由于庐阳区各指标数值高与其他各区，初步推断庐阳区为污染最严重地区。然后，对各区优良天数比重进行计算，在雷达图中，重度污染、中度污染、轻度污染的比重越小，优和良的比重越大，反映该地区空气质量状况较好。从中可看出庐阳区的重度污染和中度污染的比重较高，且庐阳区轻度污染的比重远远高于其他地区，空气状况为优和良的天数要明显少于其他地区。因此，由表1和图2可以得出合肥市空气质量状况最严重的地区是庐阳区。

3.2影响合肥市空气质量的因素

3.2.1污染物与空气质量的多元回归模型

参与空气质量评价的主要污染物为PM2.5、PM10、SO2、CO、NO2、O3这六项，将AQI记作Y，六种主要污染物分别记作X1、X2、X3、X4、X5、X6，对它们进行相关性分析，从表2可以看出PM2.5和PM10对于AQI的影响较大，而NO2和O3对AQI的影响很可能较小。

除了自变量X对因变量Y的独立影响，由于污染物之间可能会存在相互影响，并产生新的影响因素，故假设自变量之间存在的交互作用也会对Y产生影响，利用Eviews软件建立多元回归模型，该模型通过F和T检验，可决系数[R2]为0.960877，拟合程度较高，由此推断该模型可根据已知污染物数据求得合肥市AQI指数，其计算过程见式（3）。

3.2.2影响合肥市空气质量的天气指标

空气质量的好坏与气象条件密切相关，如风、降雨、降雪和气温等均对大气污染物的稀释、扩散和清除起着十分重要的作用。

风可以提供污染物迁移的动力。风力越大污染物的运动越强，越有利于污染物的稀释和扩散，而持续的微风或静风则会阻碍污染物质的扩散，随着时间的延长，局部地区大气污染物的浓度逐渐增大，使空气质量恶化，造成大气污染。降水和降雪能够稀释和清除大气中的气态污染物和颗粒污染物，降低了环境空气中的污染物浓度，使空气质量得到改善。气温对大气的稳定度以及污染物的扩散和消除同样影响很大。当在垂直方向上存在着温度差且温差较小时会出现逆温现象。一般来说，冬季逆温层相对较厚，持续时间较长，夏季则相对较弱。出现逆温天气，空气中的污染物不容易扩散而使大气污染加剧。

因此选取平均气温、天气状况、风向、风力四个变量作为影响AQI指标的天气因素，由于在环境空气质量评价中，改进AHP法能够评价结论与实际不符的情况，提高环境质量评价的准确性，于是选用层次分析法对天气指标进行分析，基于天气指标和污染物之间的相关系数，计算各层元素对于系统目标的合成权重，并进行影响程度的重要性排序，得到影响合肥市空气质量的天气指标按从大到小的影响程度排序为平均气温，天气情况，风力，风向。

3.2.3影响合肥市空气质量的经济指标

b1到b6分别代表合肥市年GDP（亿元）、合肥市公路营运车辆拥有量、单位GDP能耗、卷烟（万支）、建成区绿化覆盖面积 （公顷）以及工业废气排放量。由可视化相关系数图可知，b1与PM2.5、PM10、SO2、CO呈负相关，随着合肥市年GDP的增加，空气质量情况随之改善，由此推测合肥市对于改善空气质量的投入逐年增加；b3与PM2.5、PM10、SO2、CO呈正相关，单位GDP能耗即一次能源供应总量与国内生产总值GDP的比率，由于合肥市年GDP逐年增加，而单位GDP能耗与主要污染物呈正相关，反映合肥市一次能源供应总量在逐年增加；b4与PM2.5、PM10、SO2、CO呈正相关，其中与CO的相关系数最高，表明卷烟对污染物CO的排放影响较大；b5与PM2.5、PM10、SO2、CO呈负相关，表明随着合肥市绿地覆盖面积的增加，有效减少了主要污染物的排放；b6与PM2.5、PM10、SO2、CO呈正相关，表明随着工业废气排放量的减少，主要污染物排放逐年减少。

3.3合肥市空气质量预测

建立BP神经网络模型，随机选取合肥市四天的空气质量进行预测，首先选取历年的AQI指数作为BP神经网络的输入层，对输入数据进行归一化，并针对数据末端的AQI值进行预测，得到输出层的四组数据，即四天的预测结果，随机选取了三组数据并进行了三次预测，得到结果如下所示，发现除天气变化较大的日期外，该模型预测相对误差最小为0.0093，最大为0.5584，绝对误差的均值为8.738，方差为140.730，该模型具体应用到实际情况中还需不断改进。

3.4治理措施与方案

由于天气指标是不可控因素，因此仅针对经济指标和预测结果提出措施与方案。

1）随着经济的发展，合肥市GDP指标每年都在逐渐增长，但空气质量也随之不断改善，这和城市对于绿化建设有很大的关系。可以通过加快产业结构调整和布局规划的步伐，比如按期淘汰污染严重的落后生产设备，提高建设项目环保准入门槛，加强产业布局规划，促进产业结构的调整。

2）合肥市单位GDP能耗是影响空气质量的重要经济指标，政府可通过核算首要污染物总量减排状况，了解情况，检查要点使命开展状况，在契合核算方法的状况下加强减排效能办理，脚踏实地地核定各项措施的削减量，全力支撑当地和公司加快治污减排。

3）卷烟可以带来大量的烟尘，对污染物CO产生较大影响。可以规定卷烟在合肥市内的销售量、使用量，或通过研究新型绿色卷烟产品来降低卷烟所带来的影响。针对卷烟行业进行大规模的技术改造，采用喷淋、滤筒式除尘器的技术来降低扬尘带来的空气污染。

4）城市綠化对城市中环境污染的净化突出表现为净化空气、调节气候减少热岛效应几个方面。增加建成区绿化覆盖面积对提高空气质量具有积极的影响，政府应加大在这方面的投入，从长远角度考虑这也有利于人与环境的和谐发展。新时期空气质量的改善需要坚持政府为主导，企业为主体，市场有效驱动，全社会共同参与，共同保护城市绿地面积，改善城市大气环境。

5）城市的经济、社会活动造成的空气污染，分布在城市周边的工业园区排放的大气污染物是城市空气质量恶化的重要原因。工业废气排放会导致空气中污染物含量增加，从而使空气质量指数变高，空气质量变差，改变能源结构，提供清洁能源的供应迫在眉睫，政府应采取强有力的措施使废气减排，达到保护环境，提升空气质量的目的.除此之外，政府还应加强与企业的合作，政府应努力营造企业参与环保的良好环境，完善环境监督机制。

6）通过预测模型可提前了解未来几天的空气质量状况，合肥市居民可根据空气质量的预测结果提前做好防护措施，安排好外出活动。

4 结论

1）合肥市空气污染最严重的时间在冬季，空气污染最严重的地区是庐阳区，对合肥市空气质量影响最严重的污染物主要是PM2.5和PM10。

2）影响合肥市空气质量的四个天气指标按重要性程度排序为平均气温，天气情况，风力和风向。影响合肥市空气质量的经济指标主要为合肥市年GDP、合肥市公路营运车辆拥有量、单位GDP能耗、卷烟、建成区绿化覆盖面积以及工业废气排放量，这些经济指标与污染物指标之间存在正比或反比关系。

3）建立BP神经网络模型对合肥市空气质量指数进行预测，并将预测结果与真实值之间进行比较，不断调整权值，最后得到较为准确的预测模型。

4）根据经济指标和预测模型提出相应的治理措施与方案。

参考文献：

[1]郭明明.京津翼大气环境质量变化及其影响因素分析[D].中国地质大学（北京），2018：2-3.

[2]肖建能，杜国明，施益强，等.厦门市环境空气污染时空特征及其与气象因素相关分析[J].环境科学学报，2016，36（9）：3363-3371.

[3]王晨.保定市环境空气质量评价及影响因素分析[D].河北农业大学，2014：34-36.

[4]徐伟，张蕾.对环境空气质量治理的认识和思考[J].学理论，2010（17）：86-87.

[5]杨帆，杨士林.层次分析法的改进及其在环境空气质量评价中的应用[J].环境工程2016，34（S1）：887-888.

[6]尹潘.神经网络系统开发及巷道变形研究[D].武汉科技大学，2003：20.

[7]杜栋，庞庆华，吴炎.现代综合评价方法与案例精选[M].3版.清华大学出版社，2015：14-15.

[8]李姣.我国城市空气污染治理中地方政府责任研究——以西安市为例[D].西北大学，2017：6-7.

[9]白韫雯，杨富强.美国治理PM2.5污染的经验和教训[J].中国能源，2013，35（4）.

[10]蔡圳.浅谈环境空气污染防治措施[J].科技创新与应用，2017（14）.

[11]Aylin ?i?dem K?ne，Tayfun Büke.The evaluation of the air pollution index in Turkey[J].Ecological Indicators.2014.10.350-354.

[12]Y.S.Gü?lü，?. Dabanl?，E.?i?man.Air quality （AQ） identification by innovative trend diagram and AQ index combinations in Istanbul megacity[J].Atmospheric Pollution Research，2018：6.

【通联编辑：唐一东】