基于主成分和典型相关分析法研究气象因素对南京市空气质量的影响开题报告

 2022-01-14 11:01

全文总字数:3732字

1. 研究目的与意义、国内外研究现状(文献综述)

随着城市社会经济快速发展、资源能源消耗和污染物排放总量的增长,全国各大城市均频频出现“雾霾”天气, 城市的空气质量问题愈发严重,空气污染问题越来越突出,长期积累的环境风险开始出现。在2012年2月国家出台了新版《环境空气质量标准》(GB3095-2012),调整了部分污染物浓度限值,并增设PM2.5和O3浓度限值,对环境监测、环境管理和环境评价也提出了新的要求。影响大气污染物浓度(空气质量)的因素主要有污染源、地形地貌、污染物特征和地形地貌,在地形地貌、污染物特征、污染源因素相对稳定的情况下,污染物浓度主要受到气象因素的影响。气象因素往往制约着空气污染物的稀释、扩散、输送和转化过程,进而影响着空气污染物的浓度。因此,研究和解决空气质量问题,通过分析气象因素与大气污染物之间相关性,才可能掌握城市大气污染规律,对改善城市空气质量、提高人民健康水平有重要意义。影响空气质量的因素是复杂的,只有找到最主要的因素,才可以较好的解决空气质量问题。

目前,国外学者对于空气污染方面的研究多集中于PM2.5和PM10等大气颗粒物的区域性研究及其对健康的影响研究;在我国,主要针对某一城市的常规污染物或空气污染指数(API)进行研究。前人从不同角度对空气污染与气象要素之间的关系进行了研究,研究方法多为相关与回归分析,或者从理论上描述气象要素对污染物迁移扩散的影响。

近年来,中国工业水平已追上很多先进国家,但由此引发的环境污染问题也十分严重,由大气污染引发的疾病日益增多,除呼吸系统疾病、心脑血管疾病,还可引发免疫系统疾病甚至癌症。大气污染物浓度与气象因素的关系十分复杂,并不仅仅取决于某个因素,即在某一污染物存在的条件下,不同气象因素对污染物的影响不同。从数学角度构建气象因素与大气污染物之间关系,说明在其他因素不变的情况下,单纯由气象因素引起的大气污染物浓度变化,并与实际相结合,可对大气污染情况进行预警,使人们提前做好防范措施。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容和问题

研究目标:利用主成分分析和典型相关分析法研究气象因素对南京市空气质量的影响,为政府或决策部门提供具有参考价值的气象报告或建议等。

研究内容:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究的方法与方案

研究方法:

1、主成分分析法(PCA):是建立一种从高维空间到低维空间的映射,即把多个指

标转化为少数几个综合指标的一种统计分析方法,其目的是在保证信息损失量最小的前提下,尽可能提取问题的主要方面,从而对多变量数据进行最佳综合简化。通常数学上的处理就是将原来m个指标作线性组合,得到一个新的综合指标。选取第一个线性组合Y1(即第一个综合指标)的方差来表示含有信息的多少,若Y1越大,则表示Y1包含的信息量就越多。如果在所有的线性组合中选取的Y1方差最大,则称Y1为第一主成分,其方差在总方差中所占比率称之为解释方差,其方差越大,它的贡献越大,其代表原始数据的能力就愈强。如果第一主成分不足以代表原来m个指标的信息,再考虑选取第2个线性组合Y2,与Y1共同反映原始信息,通常当前n个主成分的方差占总方差的85以上即可认为这n个主成分能代表该数据的大部分信息。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究创新点

利用主成分分析法对问题进行“降维”,旨在对两组变量各自之间进行分析,得到两组变量的主成分,可代表原变量的大部分信息;典型相关分析法旨在对两组变量之间进行分析,探讨两组变量之间的相关关系。用主成分分析和典型相关分析两种方法分析问题,使分析结果较为全面。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

5. 研究计划与进展

1、2019年3月:学习主成分分析法、典型相关分析法以及R软件的统计应用;

2、2019年4月:用R软件对已知数据进行分析,记录分析结果;

3、2019年4月-5月:编写毕业论文,制作答辩时使用的幻灯片;

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。