基于层次贝叶斯模型的成渝地区双城经济圈雾霾监测影响因素分析

摘要

2021年10月国务院印发《成渝地区双城经济圈建设规划纲要》，将成渝地区双城经济圈的建设上升为国家战略；今年2月生态环境部在《成渝地区双城经济圈生态环境保护规划》中明确指出：成渝地区“十四五”时期易发生区域性中轻度大气污染，进一步改善难度较大；而雾霾影响因素的分析是解决大气污染问题的关键环节。尽管国内外对雾霾成因的研究较多，但将成渝地区双城经济圈作为一个整体系统探讨大气环境和雾霾监测等研究相对欠缺。在研究方法方面，大多侧重于传统统计建模和常规机器学习算法，对于雾霾监测站点与城市之间的嵌套数据结构特征考虑较少，尤其是监测站点数据受所在城市区域经济社会指标的嵌套结构影响，使得建模效果不甚理想，而层次线性模型恰可弥补这一缺陷，再借助于贝叶斯统计具有利用先验信息和学习机理的优势，有助于模型的拟合优化。 本文以嵌套结构复杂数据的层次线性模型为研究对象，在分析经典频率派统计推断不足的基础上，引入贝叶斯统计思想，较为系统地研究了层次线性模型的贝叶斯统计分析：参数估计、假设检验、模型选择和评价等，与经典模型进行对比分析，论证了层次模型贝叶斯分析的优势。基于成渝地区双城经济圈雾霾监测数据和经济社会气象指标的基本分析，进行了模型探索，根据年度时间-站点-地区嵌套结构构建了成渝地区双城经济圈雾霾监测影响因素三水平贝叶斯发展模型，进行了最小二乘估计（OLS）、迭代广义最小二乘估计（IGLS）、经验贝叶斯和完全贝叶斯的对比分析。根据基本分析和模型建构发现问题，由此提出了雾霾治理的有效对策建议。具体如下： 首先，在层次线性模型基础上，进行层次线性模型的贝叶斯统计推断研究，包括层次线性模型的贝叶斯估计方法；固定效应回归系数、随机效应回归系数、随机效应的方差成分的贝叶斯假设检验；基于后验概率和（拟）贝叶斯因子的模型选择方法；基于BPIC和DIC的模型评价方法。对比分析层次线性模型的极大似然估计（ML）、限制极大似然估计（REML）、经验贝叶斯和完全贝叶斯，凸显完全贝叶斯的优势；发现层次线性模型经典ML和REML估计的思维本质就是经验贝叶斯思想；层次模型的建构思维正与贝叶斯核心思想（参数视为随机变量）高度吻合，从而为层次模型与贝叶斯分析的融合奠定了内在合理性基础。 其次，基于python的爬虫算法获取成渝地区双城经济圈2014年-2021年空气质量逐时监测数据，对空气质量处于污染状态的时间占比和国控监测站点PM2.5年、季、月均值进行了可视化分析，提炼出成渝地区PM2.5污染的主要特征和动态趋势。再结合气象、人口、地区经济发展、产业结构、农业发展等雾霾影响因素相关指标，进行线性回归模型探索，发现建模效果欠佳。 再次，充分利用雾霾监测数据的嵌套结构特征，构建了年度时间-站点-地区三水平成渝地区双城经济圈雾霾监测影响因素的层次贝叶斯发展模型；进行经典OLS、IGLS估计、经验贝叶斯和完全贝叶斯的对比分析，并进行模型选择和评价，论证了完全贝叶斯方法的优势。 最后，基于对雾霾监测数据的基本分析和模型建构，分析发现成渝地区双城经济圈雾霾影响因素和空气质量存在的主要问题，针对问题提出了雾霾治理的有效对策建议。

目录