基于信息熵的大气PM2.5浓度的不确定性研究

摘要

近年来，随着我国城市化和工业化的快速发展，城市大气污染问题日益成为制约生态文明建设和可持续发展的核心问题。细颗粒物(PM2.5)是影响城市大气环境质量的首要污染物，其浓度与城市人口情况、自然条件、区域交通道路状况等因素密切相关，具有显著的区域性污染特征。城市区域间的PM2.5运输将会造成大气污染在更大时间和空间尺度上的危害，因此研究城市各区域PM2.5浓度的不确定性及相互传递过程具有重要意义。
　　本文以信息熵和非参数统计理论为工具，对城市区域PM2.5浓度的不确定性及其传递过程进行研究，主要研究内容如下：
　　首先，根据PM2.5浓度实测数据的离散性特点，采用信息熵分类度量了PM2.5浓度的不确定性。针对离散性较大的PM2.5日平均和时平均浓度数据，基于Walsh区间和标准差分别定义了两种差分熵，证明它们依概率趋近信息熵并且比传统差分熵更符合最大熵原理，可用于PM2.5浓度的不确定性度量；针对离散性较小的PM2.5实时浓度数据，基于最大熵原理推导了PM2.5浓度误差的概率密度函数和不确定度，度量其不确定性。
　　其次，研究城市各区域间PM2.5浓度的不确定性传递过程。将PM2.5浓度的信息熵与各监测站点的空间信息相结合，分别采用Pearson、Spearman和Kendall相关系数计算它们之间的相关性；推导了PM2.5监测站之间的有向信息传递率，用以度量各监测站PM2.5浓度在东西和南北方向上的信息减少量。在此基础上，采用回归方法模拟PM2.5监测站的信息传递函数，解释PM2.5浓度的不确定性在东西或者南北走向上随距离变化的规律。
　　最后，对武汉市秋冬季节PM2.5浓度进行实证分析，结果表明：武汉市PM2.5浓度不确定性与纬度有较大关联，与经度没有明显的线性关系；PM2.5浓度的分布在东西方向上具有较大随机性，而在由北向南方向上呈现出明显的递增规律，表明PM2.5在由北向南方向上有明显的扩散特征。

目录

声明

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3研究内容及技术路线

第2章 信息熵及非参数统计理论

2.1信息熵理论

2.2 不确定度评定及最大熵原理

2.3 非参数统计相关理论

第3章 基于信息熵的PM2.5浓度不确定性度量

3.1 差分熵计算中存在的问题

3.2 PM2.5日平均浓度信息熵的定义及性质

3.3 PM2.5时平均浓度信息熵的定义及性质

3.4 PM2.5实时浓度的不确定度评定

3.5本章小结

第4章 PM2.5浓度的信息传递过程研究

4.1 PM2.5浓度的信息传递率计算

4.2 PM2.5信息传递函数的计算与模拟

4.3 本章小结

第5章 武汉市秋冬季大气PM2.5浓度不确定性研究

5.1武汉市基本概况

5.2 武汉市PM2.5浓度差异分析及区间估计

5.3武汉市PM2.5日平均浓度的不确定性度量

5.4 主要结果及结论

第6章 总结与展望

6.1 本文主要创新点

6.2研究展望

致谢

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参加科研项目