基于频繁模式的中国城市PM2.5污染规律研究

摘要

近年来，空气污染问题正日益凸显，严重影响了人们的生活与居住环境。特别是在中国，其带来的危害日趋严重，如北京、上海、杭州、沈阳等城市高污染频发不穷，那么，对大气污染的改善已成为我国治国政策的重中之重，而作为雾霾的最主要成分之一，PM2.5污染不容忽视。现有对PM2.5的研究多集中于小样本下的PM2.5时空分布、源解析以及对大气能见度和人体健康的影响等方面。其中对时空分布规律的研究大多以统计方法为主，并从时间与空间两个维度分别进行分析，但没有将这两个维度进行融合。PM2.5影响因素的研究主要通过成分解析进而反推出因素，也有部分学者从宏观的角度进行分析，但一般仅仅考虑经济等因素，范围不够全面。本文中，我们基于数据驱动的形式，首先研究2015年我国城市PM2.5的总体时空分布，并对环渤海、长三角、珠三角三个污染带进行重点分析。其次，运用序列模式挖掘的方法，挖掘出各经济区内城市之间在时间和空间上的污染关联性。最后，结合2014年城市PM2.5数据与2015城市统计年鉴的数据，从多个不同的角度着手，探寻了PM2.5在宏观上可能的潜在影响因素。
　　基本研究结果如下:
　　(1)全国及三个经济区的PM2.5在一年内的小时变化、月均值变化都具有相似的规律性。小时变化都呈现出双峰双谷型分布，月均值曲线表明冬季污染最高，夏季污染水平最低。全国中只有很少的城市能够达到我国的二级标准，大部分城市都远高于该限值。
　　(2)环渤海地区中河北和山东是污染频繁发生的省份，污染中心逐渐向南转移，整个经济区全年高程度面临着污染。长三角经济区在四季中的污染序列模式具有规律性，春季与秋冬季节序列模式总体呈现出相反的方向，此外，当沿海城市污染时，次日内陆城市更容易发生污染。珠三角地区的模式从人口密集城市指向非人口密集城市，形成了复杂的污染关系网，污染主要出现在中西部城市。
　　(3)华北和华东地区PM2.5年均值较高，这些城市一般也有高建设用地面积、居住用地面积和供气总量等。华北地区城市的季节比率更低，一些指标与季节比率呈正向关联关系，如当全社会用电量较低时，PM2.5季节比率也低，而也有指标表现为负关联，如工业二氧化硫排放量、GDP等。从工休日比率着手时，发现华南地区工休日比值更高，当城市的工业企业数、用液化气人口等7个指标处于低水平时，工休日比率较高。
　　空气污染的防治是一个庞大的系统工程，我国在空气污染治理的道路上还有很长的路要走，这需要个人、集体乃至国家的共同努力。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 PM2．5成分分析问题

1．2．2 PM2．5时空分布问题

1．2．3 PM2．5来源解析问题

1．2．4 PM2．5影响因素问题

1．3 研究内容及框架

2 频繁模式挖掘算法

2．1 Apriori算法

2．1．1 关联规则挖掘

2．1．2 Apriori算法的原理与步骤

2．2 GSP算法

2．2．1 序列模式挖掘

2．2．2 GSP算法的原理与步骤

2．3 本章小结

3 PM2．5时空分布与规律研究

3．1 数据与预处理

3．2 PM2．5时空分布

3．2．1 全国总体PM2．5时空分布

3．2．2 三个污染带PM2．5时空分布

3．3 PM2．5污染规律研究

3．3．1 环渤海经济区污染模式

3．3．2 长三角经济区污染模式

3．3．3 珠三角经济区污染模式

3．3．4 三个经济区重度以上污染模式

3．3．5 三个经济区污染模式分析

3．3．6 我国PM2．5治理的建议

3．4 本章小结

4 PM2．5宏观潜在影响因素研究

4．1 实验数据与预处理

4．2 城市指标与PM2．5关联分析

4．2．1 城市指标与PM2．5年均值的关联关系

4．2．2 城市指标与PM2．5季节比率的关联关系

4．2．3 城市指标与PM2．5工休日比率的关联关系

4．3 本章小结

结论

参考文献

附录

攻读硕士学位期间发表学术论文情况

致谢