基于分位数回归的空气质量指数分析

摘要

目前，由于各国经济快速发展带来的环境问题日益严峻，尤其是工业生产、化石燃料消耗、汽车尾气排放、沙尘暴侵袭等产生的悬浮颗粒物PM2.5。PM10对环境的污染已经不容忽视。因此，探索治理环境污染的有效措施已刻不容缓。环保最为直接的任务就是改善空气质量、减少有毒气体和污染物的排放，而对空气质量的监测、预报和控制等，是改善大气质量的核心手段。本文通过分位数回归方法对甘肃省三大城市的空气质量指数(AQI)进行评价和预测，为相关部门政策的出台提供些许意见和建议。
　　本文选用兰州、天水、金昌三个城市的六项主要污染物 SO2。NO2。PM10。PM2.5。O3。CO的浓度和三个环境变量temp(温度)。humi(湿度)。wse(风级)作为影响AQI的备选因素。求出各影响因素和AQI之间的Pearson相关系数，并以上述9个因素作为自变量、AQI作为因变量建立线性分位数回归模型，深入分析各变量与AQI之间的相关性及影响程度大小，筛选出导致空气质量变动的主要因子。利用分位数自回归模型、分位数自回归分布滞后模型并结合Adaptive-Lasso变量选择对AQI进行点预测和区间预测。实证分析表明：PM10是春季影响甘肃省空气质量的主导因素；在预测 AQI时，加入其他外生变量能提升模型的预测性能；变量选择后的模型在保持预测精度比较理想的前提下，降低了模型复杂度和冗余度；区间预测能更加合理地反映 AQI的变化范围和波动情况，为空气质量指数的实时报道提供更加有效的参考工具。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 课题国内外研究现状

1.3 研究工作

1.4创新点

第二章 AQI影响因素的分析和评价

2.1 数据来源说明

2.2 数据预处理

2.3 AQI影响因素的分析和评价

2.4 本章小结

第三章 AQI的时间序列分位数回归建模

3.1 时间序列分位数回归模型简介

3.2 时间序列分位数回归模型的识别和变量选择

3.3 AQI的时间序列分位数回归建模

3.4 本章小结

第四章 AQI的点预测和区间预测

4.1预测结果评价指标

4.2异常值检测和解释

4.3点预测结果分析

4.4 区间预测结果分析

4.5 本章小结

第五章 结论与展望

5.1研究结论

5.2 展望

参考文献

致谢