宣　琳，李　勇，朱家明

（安徽財經(jīng)大學　統(tǒng)計與應用數(shù)學學院，安徽　蚌埠　233030）

?

基于模糊綜合評價蚌埠市PM2.5時空分布規(guī)律的研究

宣琳，李勇，朱家明

（安徽財經(jīng)大學統(tǒng)計與應用數(shù)學學院，安徽蚌埠233030）

摘要：針對蚌埠地區(qū)PM2.5污染，綜合分析空氣質量指數(shù)歷史數(shù)據(jù)及污染物分級標準，分別構建了二級BP神經(jīng)網(wǎng)絡和模糊綜合評價等模型，運用EXCEL、MATLAB等軟件編程求解，將環(huán)境因素整體作為一個變量因子，研究得出蚌埠市PM2.5的時空分布規(guī)律、分區(qū)污染評估中各個監(jiān)測點評估等級等結論.

關鍵詞：PM2.5；BP神經(jīng)網(wǎng)絡；模糊綜合評價；分區(qū)評估；MATLAB

隨著社會的高速發(fā)展，城市化進程的不斷加快以及能源消耗的逐年遞增.顆粒物已成為我國城市大氣污染的主因，也是公眾及政府關注的焦點[1].最近，由于大氣PM2.5污染以及不良的氣象條件，使霧霾頻繁出現(xiàn)，不僅導致大氣能見度降低，干擾到人們的出行和日常生活，還會增加死亡率和呼吸道系統(tǒng)疾病發(fā)病率，對人體健康產(chǎn)生極其不利的影響[2].因此，對PM2.5分布規(guī)律的研究，對于分析減少城市污染現(xiàn)象，有針對性地治理PM2.5污染問題具有重要意義.同時，此研究對其它污染物問題以及葡萄酒質量評價﹑人臉識別系統(tǒng)的建立等也有一定的指導意義[3].

1　PM2　.5　時空分布研究

1.1研究思路

將監(jiān)測點的數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡的輸入，將PM2.5的實際觀測值作為目標輸出，建立一級神經(jīng)網(wǎng)絡.考慮到環(huán)境因素不易于量化表示，故將其整體看作一個環(huán)境因子，再次建立一個BP神經(jīng)網(wǎng)絡模型來表達這個環(huán)境因子，并作為二級神經(jīng)網(wǎng)絡.將第一級網(wǎng)絡的輸出值作為二級網(wǎng)絡的輸入值，一級網(wǎng)絡的目標輸出作為二級網(wǎng)絡的目標輸出.則二級網(wǎng)絡輸出的值即為該監(jiān)測點PM2.5的預測值.同理可獲取其余五個監(jiān)測點的PM2.5預測值.借助點陣擬合即可得到蚌埠市PM2.5的時空分布[4].具體思路如圖1.

圖1　思路流程圖

1.2數(shù)據(jù)處理

由于數(shù)據(jù)量較大，且不同數(shù)據(jù)間值域差別大，因此，在建立BP神經(jīng)網(wǎng)絡之前，需對各種輸入數(shù)據(jù)預先進行處理，這里采用歸一化方法，消除量綱，把所以的數(shù)據(jù)統(tǒng)一到0～1的范圍，以加快網(wǎng)絡的處理速度，具體公式為：

其中，Snorm與S分別是歸一化處理之后和之前的變量值，Smin﹑Smax和Smean分別是變量的最小值﹑最大值以及平均值.

BP神經(jīng)網(wǎng)絡是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一.學習過程由信號的正向傳播以及誤差的方向傳播過程組成.基于BP算法的多層前饋型網(wǎng)絡的結構如圖2所示.網(wǎng)絡由輸入層﹑一個或多個隱含層以及輸出層構成，并通過它們來調(diào)節(jié)權值，以使網(wǎng)絡成為具有一定適應能力的優(yōu)良模型[5].

圖2　多層感知器結構示意圖

具體步驟如下：

b.輸入樣本和期望輸出：提供訓練樣本及目標輸出，對每個樣本進行(3)-(5)步.輸入的訓練樣本為：R=(R1,R2,…Rn),目標輸出為：C=(C1,C2,…Cn)

c.計算每一層層輸入：

d.計算訓練的誤差

輸出層：

隱含層和輸入層：

e.修正權值和閾值：

f.計算性能指標：當所有的樣本都經(jīng)歷了(3)-(5)步，也就是完成了一個訓練周期，計算誤差指標：其中

g.若所有誤差指標均滿足精度要求，即E<ε那么訓練結束，否則，轉到（2），繼續(xù)下一個訓練周期.

由常識可知天氣能較明顯的影響各種污染物的濃度值，故可人為地將環(huán)境影響因素中天氣因子畫分為五類，并賦予不同的權值，見表1.

表1　天氣因子權值分布表

同理，繪制出風力因子權值分布表，見表2.

表2　風級因子權值分布表

1.3結果分析

設置輸入數(shù)據(jù)和目標輸出，設定隱含層數(shù)為1層，隱含節(jié)點數(shù)為10，代入蚌埠市六個監(jiān)測點的觀測數(shù)據(jù)，進行網(wǎng)絡訓練[6].見圖3.

圖3　網(wǎng)絡訓練結果圖

如圖3所示，圖中表示的是訓練曲線，可以看出，基于時間序列的神經(jīng)網(wǎng)絡誤差隨著時間的推進越來越小，最終收斂于10-2數(shù)量級中段，精度達到要求，網(wǎng)絡可以使用.再做出原始數(shù)據(jù)與仿真數(shù)據(jù)的對比圖，見圖4.

圖4　原始數(shù)據(jù)與仿真數(shù)據(jù)對比圖

從圖4中可以看出，函數(shù)擬合程度比較好，誤差處于合理范圍之內(nèi).且在研究中發(fā)現(xiàn)，用全市平均數(shù)據(jù)將某一觀測點的監(jiān)測數(shù)據(jù)進行替換，且不考慮環(huán)境因素，即不必建立二級神經(jīng)網(wǎng)絡，網(wǎng)絡運行輸出值即為全市PM2.5預測值.說明該模型不僅正確，且通用型較強.

2　分區(qū)污染評估研究

2.1研究思路

依據(jù)國標GB 3095-2012，得到環(huán)境污染物分級標準，同時對蚌埠市六個觀測點的不同監(jiān)測指標數(shù)據(jù)進行均值化處理，構建模糊綜合評價模型.采用歐式距離判別法，通過距離的遠近對蚌埠市進行區(qū)污染評估.

2.2數(shù)據(jù)處理

通過查閱資料，得到蚌埠市各個觀測點不同污染指標的監(jiān)測記錄[7]，并對其求平均數(shù)，算出各觀測點不同污染物濃度的日平均取值，具體結果見表3.

表3　不同監(jiān)測點污染物濃度日均值分布表

依據(jù)國標GB 3095-2012，得到環(huán)境污染物分級標準，見表4.

表4　污染物分級標準表

本文選用模糊綜合評價模型對蚌埠市進行分區(qū)的污染評估[8]，具體步驟如下：

a.建立理想方案:設有U={u1,u2,…,un}是待評價的n個監(jiān)測點，V={v1,v2,…,vm}是評價因素集合，將U中的每個方案用V中的每個因素進行衡量，得到一個觀測矩陣：

c.確定各評價指標的權數(shù):利用變異系數(shù)法來確定各評價指標的權數(shù)；

d.建立無量綱化實測數(shù)據(jù)矩陣:A=(aij)與無量綱化等級標準矩陣B=(bkt).其中

e.計算評價指標的權重：

在此基礎上計算變異系數(shù):wi=si/μi.

2.3結果分析

根據(jù)以上步驟，得到各評價指標的權重.在此基礎上利用wi=si/μi求得變異系數(shù)，歸一化即可得到各指標的權向量為

可以看出，各指標的權重較為接近，比較而言，SO2和PM10對空氣質量的影響最大，PM2.5﹑O3次之，NO2和CO影響最小.

計算實測矩陣A中行向量到等級標準矩陣B中各列向量的歐式距離dij.

PM2.5主要來源于工業(yè)污染與汽車尾氣排放，從表5中可以看出，郊區(qū)與市中心區(qū)域均存在較為嚴重的污染，且市中心污染程度高于郊區(qū).考慮到工業(yè)污染企業(yè)多分布于郊區(qū)，市中心地帶人口密集，出行頻繁，存在大量汽車尾氣排放.故可間接說明蚌埠主要為消費型污染，而非工業(yè)污染.雖然蚌埠學院及工人療養(yǎng)院屬于一類區(qū)，但整體環(huán)境仍不容樂觀，還需政府進一步采取措施實行有效治理.

表5　各監(jiān)測點分區(qū)評測結果

3　總結

本文構建了二級神經(jīng)網(wǎng)絡對蚌埠市PM2.5的時空分布進行研究，同時依據(jù)環(huán)境污染物分級標準，針對不同監(jiān)測點污染物濃度日均值，采用歐式距離判別法，進行分區(qū)的污染評估.思路嚴謹，層層深入，應用性很強.

此外，本文建立的BP神經(jīng)網(wǎng)絡模型不僅在研究PM2.5時空分布中具有獨特作用，還可推廣應用于其他領域，如股價趨勢分析﹑企業(yè)技術創(chuàng)新投資風險的評估以及在福利彩票的預測等方面.

參考文獻：

〔1〕王敬,畢曉輝,馮銀廠,等.烏魯木齊市重污染期間PM2.5污染特征與來源解析[J].環(huán)境科學研究，2014,2(2):113-118.

〔2〕HJ633-2012,環(huán)境空氣質量指數(shù)（AQI）技術規(guī)定[S].北京:中國環(huán)境科學出版社,2012.

〔3〕宋杰,姚家振.基于PCA和SVM的人臉識別系統(tǒng)研究[J].赤峰學院學報，2014,30(10):31-32.

〔4〕陳程,揚偉波.連云港市PM2.5污染特征及影響因素分析研究[J].環(huán)境科學與管理，2014,39(2):120-122.

〔5〕程先富,匡毅,趙陽.基于BP神經(jīng)網(wǎng)絡的洪澇災害風險評價[J].皖西學院學報，2015,31(2):1-4.

〔6〕李柏年,吳禮斌.MATLAB數(shù)據(jù)分析法[M].北京:機械工業(yè)出版社,2012.121-139.

〔7〕蚌埠空氣質量指數(shù)實時查詢網(wǎng)站.http://www.tianqi.com/air/bengpu.html,2015-10-31.

〔8〕楊桂元,朱家明.數(shù)學建模競賽優(yōu)秀論文評析[M].安徽:中國科學技術大學出版社,2013.187-219.

基金項目：國家自然科學基金資助項目（11301001）；安徽財經(jīng)大學教研項目（acjyzd201429）

收稿日期：2015-10-15

中圖分類號：X24

文獻標識碼：A

文章編號：1673-260X（2016）03-0136-03