一类基于SDIR模型的PM2.5预测研究模型及应用

高庆玲，徐 东，杨晓芳

(成都师范学院数学学院，成都 611130)

PM2.5又称细颗粒物，是环境空气中空气动力学当量直径≤2.5 μm的颗粒物，PM2.5在空气中含量浓度越高表示空气污染越严重。虽然PM2.5是地球大气成分中含量很少的组分，但却不能忽视。PM2.5具有直径小、接触面积大、活性强、容易吸附带有有毒有害物质、在大气中滞留时间长输送距离远的特点，对人体健康和大气环境质量影响很大。

许多学者对大气污染进行了深入研究，除PM2.5外，空气质量AQI的基本监测指标分别为可吸入颗粒物PM10、一氧化碳CO、二氧化硫SO2、二氧化氮NO2及臭氧O3。大量研究表明，空气质量监测指标中的PM10、CO、SO2、NO2、O3和PM2.5之间有着很大的联系，选取这6项基本监测指标作为本研究的变量，分析成都市PM2.5和其他空气污染物之间的动态关系，希望能够有效控制PM2.5。研究数据来源于成都空气质量指数AQI-PM2.5月统计历史数据-中国空气质量在线监测分析平台历史数据[1]。

1 研究方法与数据模型

利用互联网查得成都市2020年空气质量环境监测数据，基于SDIR模型，运用相关性分析法与多元回归法，根据数据，分析PM2.5与各个指标之间的相关性，利用相关系数分析各指标的独立性[2]，由此建立PM2.5多元线性回归方程，借助MATLAB软件对PM2.5进行多元线性回归方程拟合，并对模型进行检验，得到PM2.5与其他5项指标之间的关系表达式，分析PM2.5与其他影响因素的动态关系。

1.1 多元线性回归分析

采用Pearson相关系数建立任意两个监测指标之间的联系。Pearson简单相关数计算式：

其中，r为相关系数，xi、yi分别为随机变量x与随机变量y的第i个样本值，样本容量为n。……