论文部分内容阅读
本文利用西安市城区2001年1月～2005年12月空气中逐日PM10浓度监测值，在对PM10时空分布特征分析的基础上，分别采用正交筛选方案和主成分建模方案构建均生函数周期外延预测模型，进行西安市PM10污染的中长期预报研究。
西安市PM10浓度的时空特征分析显示：2001年-2005年的PM10浓度总体呈逐年下降趋势，但2002年、2004年PM10浓度有所升高；冬春季PM10污染较严重，夏秋季污染较轻；采暖季PM10浓度比非采暖季高。五个监测点PM10污染由大到小的次序2001-2002年依次为小寨、纺织城、兴庆小区、高压开关厂、草滩，2003-2005年依次是纺织城、兴庆小区、高压开关厂、小寨、草滩。
正交筛选方案采用模型识别的双评分准则筛选自变量，提取数据序列的优势周期作为数学模型的自变量。主成分建模方案将主成分分析和方差递减原理相结合，通过将周期延拓均生函数个数降低来筛选均生函数，自变量间共线性的消除保证了进入模型的周期延拓均生函数因子的显著性，用筛选出的主分量及还原系数来进行建模。
拟合及预报试验结果表明，正交筛选方案预报的平均绝对误差为0.14％，复相关系数R为0.876，符号符合率为100％。主成分建模方案预报的平均绝对误差为0.25％，复相关系数R为0.742，符号符合率为90％。两个建模方案的预报方程所作出的PM10浓度预报趋势与实测变化趋势均十分吻合，可以较好地反映空气污染物浓度的变化趋势，对峰值、谷值也可较准确地预报出来。经对比，正交筛选方案建立的预报模型优于主成分建模方案建立的预报模型，为本文推荐的西安市PM10污染的中长期预报模型。