成都市环境空气治理效应评价——基于有序样本聚类与分类检验模型

符　璐，吕王勇，2，甘茂林

(1.四川师范大学 数学与软件科学学院，四川 成都 610068；

2.可视化计算与虚拟现实四川省重点实验室，四川 成都 610068)



成都市环境空气治理效应评价
——基于有序样本聚类与分类检验模型

符璐1，吕王勇1，2，甘茂林1

(1.四川师范大学 数学与软件科学学院，四川 成都 610068；

2.可视化计算与虚拟现实四川省重点实验室，四川 成都 610068)

摘要：随着环境空气污染问题的加剧，政府对环境空气的治理手段逐渐加强。通过构造F统计量对有序样本分类，立足分类检验法对空气质量影响因子含量变化进行显著性分析，进而对政府治理环境的效应进行评价。利用成都市2013年12月至2015年3月空气指数相关数据及成都市在近年采取的环境治理手段历史资料，对成都市环境治理效应评价，结果表明成都市在SO2、PM2.5、PM10、CO、NO2的治理方面有明显的改善，但是O3的治理存在很大不足。

关键词：空气质量；F统计量；分类检验；效应评价；治理

环境空气质量的好坏直接影响人类生存环境。政府面对严峻的环境空气污染形势，出台了相关的治理措施。成都市在2013年到2014年先后颁布了《成都市深化今冬明春大气污染治理十项措施》[1]、《成都市重污染天气应急预案(试行)》[2]、《成都市大气污染防治行动方案(2014—2017年)》[3]、《成都市烟花爆竹燃放规定》[4]等等，加大了环境空气治理的决心和力度。通过对比颁布措施前后的空气质量的变化能够准确反映出成都市环境空气治理效应，从而对成都市环境空气治理效应做出评价。政府环境空气治理效应的评价有利于提高政府对环境治理措施的有效监管，进一步改善环境空气质量，更好的促进人与自然的和谐发展。

环境空气质量等级评价主要依据是空气中PM2.5、PM10、SO2、CO、NO2及O3等影响因子的含量，因此政府环境治理手段是否有效主要取决于环境空气中各影响因子含量是否有降低。目前环境空气质量研究主要涉及空气质量预测和空气质量等级评价。在空气质量等级评价中周美春等应用模糊综合评价的方法对溧阳市空气质量变化进行评估[5]；徐卫国等应用灰色聚类的方法对空气质量进行评估[6]；陈祖云等利用支持向量机对环境空气质量进行等级划分[7]；王玉云等运用综合污染指数法分析雅安市环境空气时空动态变化趋势及其影响因素[8]。在空气质量预测中蒋志方等运用结构优化的RAN模型对城市空气质量做出预测[9]；赵宏等运用将遗传算法和神经网络算法相结合的GA-ANN的模型对环境空气质量进行预测[10]；司志娟等运用改进型的灰色神经网络对环境空气质量进行预测[11]。

对政府治理环境空气的效应评价尚未涉及。为了对政府环境空气治理效应做出评价，需要对比政府采取治理措施前后空气质量的变化，空气质量好坏依赖于空气中各影响因子的含量。因此对政府环境空气治理效应评价，实质是对政府采取治理措施前后空气中各影响因子变化情况的度量。本文首先利用F统计量将成都市2013年12月至2015年3月空气质量指数数据依时间顺序划分为三段，结合成都市政府实施的环境空气治理措施，论证分段的合理性；再对各分类中的空气质量影响因子进行分类检验，通过确定各类因子有无显著差异，进而对政府环境空气治理效应做出评价。

一、基于F统计量的有序样本分类法

针对有序样本的分类，其核心是分割点的确定。文章在给定具体类别的前提下，通过构建f统计量[12]26-27，来寻求最优分割点，从而实现有序样本分类。

设有序样本序列依次为x1,x2,x3,…,xn, 设将样本序列依次分成 k个长度为ni的序列，记分类后的样本序列为

(1)

下面通过定义组内离差平方和与组间离差平方和来定义F统计量。

组内离差平方和：

(2)

组间离差平方和：

(3)

(4)

由式(4)知，在寻求最优分割的点时，总是期望不同类别之间的差异SSA大，同一类别内的差异SSE小，则F取最大值时所对应的点即为最优分割点。

二、分类检验

为了能够准确反映成都市政府环境空气治理手段的有效性。采用分类检验的方法，对成都市政府环境空气治理效应做出评价。

(5)

(一)两总体均值之差的假设检验[13]169-176[14]182-185

两总体方差未知时，两总体均值是否相等的假设检验如下：

H0:μ(i)-μ(j)=0↔H1:μ(i)-μ(j)≠0(i≠j)

(6)

检验统计量为：

(7)

则检验问题在水平α下对应的接受域为：

(8)

(二)两总体方差比的假设检验[15]376-377

(9)

检验统计量为：

(10)

则检验问题在水平为α下对应的接受域为：

(11)

三、基于有序样本分类与分类检验的政府环境空气治理效应评价

数据来自中国空气质量在线监测分析平台，数据包含成都市2013年12月至2015年3月空气质量指数及空气质量影响因子PM2.5、PM10、SO2、CO、NO2及O3。首先利用成都市空气质量指数数据，基于F统计量确定最优分割点，将时间分段；并结合政府出台的治理环境空气政策进行分类的合理性验证。最后利用分类检验法进行显著性检验，从而对政府出台的治理环境空气政策的有效性做出评价。

(一)有序样本分类

成都市政府在2013年11月至2015年年初，出台并落实了4项主要的环境空气质量治理措施，对成都市的环境空气质量是否有积极影响？利用成都市2013年12月至2015年3月空气质量指数历史数据做出时序图，见图1 。

图1　成都市2013年12月至2015年3月空气指数时序图

依据时序图可知成都市环境空气质量指数有一定的改善，结合成都市环境空气治理措施出台时间可将成都市空气质量分为3类，用式(4)计算f统计量，运用全局搜索算法，确定其最优分割点，详见表1。

表1　成都市空气质量指数分类表

从分类结果及其成都气候条件知冬季和春季期间成都市降水量缺乏，夏季和秋季期间成都市降水量丰富。在政策方面，成都市面对严峻的空气污染形势在2013年11月初和12月31日相继落实了《成都市深化今冬明春大气污染治理十项措施》和《成都市重污染天气应急预案(试行)》治理措施；2014年2月14日和2015年1月1日又分别落实了《成都市大气污染防治行动方案(2014—2017年)》和《成都市烟花爆竹燃放管理规定》。考虑政策落实之后，空气质量的改善存在滞后性和季节性及降水因素的影响，知成都市历年空气质量数据的分类结果是合理的。

(二)分类检验

政府对环境空气的治理效应本质上依赖空气质量的影响因子的变化，而在空气质量评价体系中常用的影响因子有PM2.5、PM10、SO2、CO、NO2及O3。故主要研究以上影响因子变化，利用分类结果，对每一类影响因子进行分类检验能够更好地反映成都市环境空气质量变化的具体情况，从而对政府治理效应做出准确评价。由前面可知成都市环境空气质量指数历史数据依序分为春季、夏秋季、冬季三类。对每一类环境空气的影响因子进行分类检验。利用式(1)与式(5)分别计算每一类影响因子对应的均值与方差，结果见表2、表3。

表2　各类环境空气影响因子均值表

表3　各类环境空气影响因子方差表

表4　冬季与夏秋季和春季环境空气影响因子对应u值

表4和接受域知, 冬季中PM2.5、PM10、SO2、CO、NO2的均值大于夏秋季对应影响因子均值，说明冬季时政府采取的治理措施针对PM2.5、PM10、SO2、CO、NO2的治理具有改善效应。而夏秋季O3的均值大于冬季O3均值，说明政府在冬季时采取的治理措施对空气中O3治理存在不足，导致O3的污染加剧。

环境空气质量的好坏与季节、气候等因素密切相关，因此对政府的治理效应进行评价，必须考虑到季节等因素作用。成都市在夏季和秋季降水量丰富，而在冬季与春季，降水缺乏，且包含春节期间，爆竹燃放量较大。而降水量和爆竹大量燃放对环境空气有很大的影响，故仅通过夏秋季对比不能准确评价政府治理效应，需将冬季和春季影响因子进行分类检验。同样由表4和接受域知，春季中PM2.5、PM10、SO2、CO、NO2的均值都小于冬季对应影响因子的均值，说明成都市不同阶段出台的治理措施针对PM2.5、PM10、SO2、CO、NO2的治理具有改善效应，同时说明在2014年春节期间成都市空气质量优于2013年春节，即《成都市烟花爆竹燃放管理规定》对成都市环境空气具有积极效应。类似可知针对O3的治理仍存在不足，且O3污染加剧。

通过上述分析知，成都市环境空气治理取得了一定的成绩，但是环境空气治理效果仍需考虑各影响因子波动变化。只有当环境空气质量影响因子波动也相应减弱，才能认为环境空气质量因政府治理得到一定程度的改善。根据环境空气影响因子方差的变化能够刻画环境空气质量影响因子波动变化。由式(10)分别计算冬季和夏秋季与冬季和春季各影响因子方差比。结果见表5和表6。

表5　冬季和夏秋季环境空气影响因子方差比表

表6　冬季和春季类环境空气影响因子方差比表

表7　环境空气影响因子方差比在α=0.05时的接受域

由表5与表7知，冬季和夏秋季方差比中PM2.5、PM10、SO2、CO、NO2的比值均大于接受域的上限，而O3在冬季和夏秋季方差比小于对应的接受域的下限。从而可知冬季样本中PM2.5、PM10、SO2、CO、NO2对应方差大于夏秋季样本中PM2.5、PM10、SO2、CO、NO2对应方差，但冬季O3对应的方差小于夏秋季中O3对应的方差。因此成都市夏秋季环境空气中的PM2.5、PM10、SO2、CO、NO2较冬季的波动程度明显减小，而对O3的治理效应存在很大不足，使得其波动程度增大，污染加剧。类似由表6和表7知，春季对应样本中PM2.5、PM10、SO2、NO2对应的方差小于冬季PM2.5、PM10、SO2、NO2对应的方差；但春季样本中CO对应的方差与夏秋季CO对应的方差比落在接受域内，则认为两类中CO对应的方差相等；冬季O3对应的方差大于春季中O3对应的方差。可知成都市政府在不同阶段落实环境空气治理措施针对PM2.5、PM10、SO2、NO2的治理使其波动程度减小，CO的波动变化与春季相同，而针对O3治理存在很大不足，使其波动程度增大，污染加剧。

四、结论

利用成都市空气质量指数历史数据，基于f统计量确定最优分割点，对时间进行分段，并结合成都市出台的治理环境空气政策进行分类的合理性验证；再对各分类中的空气质量影响因子进行分类检验，确定各类因子有无显著差异，从而对成都市环境治理效应做出评价。分析说明成都市政府出台环境的治理措施针对PM2.5、PM10、SO2、CO、NO2的治理已取得一定的效应，但是针对臭氧的治理手段还存在不足，导致成都市环境空气中O3含量上升，且波动增强，因此成都市应加强对O3的治理。

参考文献：

[1]成都市治理办.成都市深化今冬明春大气污染治理十项措施[EB/OL]. (2013-11-01).http:∥www.cdcg.gov.cn/special/2/detail.jsp?id=15436.

[2]成都市人民政府.成都市重污染天气应急预案(试行)[EB/OL]. (2013-12-31).http:∥www.chengdu.gov.cn/wenjian/detail.jsp?id=dAThoyyF4svON7LwbiTz.

[3]成都市人民政府.成都市大气污染防治行动方案(2014—2017年)[EB/OL].(2014-02-14). http:∥www.chengdu.gov.cn/wenjian/detail.jsp?id=17GsQgLRNMSVnmN13eX4.

[4]成都市人民代表大会常务委员会.成都市烟花爆竹燃放管理规定[EB/OL]. (2014-11-26).http:∥www.chengdu.gov.cn/news/detail.jsp?id=835877.

[5]周美春,把旭峰,杨孟,邓文英.溧阳市1985～2011年环境空气质量变化规律的模糊综合评价[J].环境保护科学,2014,40(1).

[6]徐卫国,张清宇,陈英旭.空气质量评价灰色聚类修正模型的建立与应用[J].哈尔滨工业大学学报,2008,40(6).

[7]陈祖云,金波,邬长福.支持向量机在环境空气质量评价中的应用[J].环境科学与技术,2012, 35(6I) .

[8]王玉云,刘子芳,赵兵,李大军,王兴伟,王松涛,欧发刚,刘辉.雅安市环境空气质量时空动态变化及改善途径分析[J].环境保护科学,2014,40(3).

[9]蒋志方,王德明,杜晓亮,孟祥旭, 李慎芳.基于结构优化的RAN城市环境空气质量预测模型[J].山东大学学报：工学版,2010,40(6).

[10]赵宏,刘爱霞,王恺,白志鹏. 基于GA_ANN改进的空气质量预测模型[J]. 环境科学研究,2009,22(11).

[11]司志娟,孙宝盛,李小芳.基于改进型灰色神经网络组合模型的空气质量预测[J].环境污染治理技术与设备,2013,7(9).

[12]何晓群.多元统计分析[M].第3版.北京:中国人民大学出版社,2011.

[13]茆诗松.高等数理统计[M].第2版.北京:高等教育出版社,2006.

[14]韦来生.数理统计[M].北京:科学出版社,2008.

[15]茆诗松.概率论与数理统计[M].第2版.北京:高等教育出版社,2011.

[16]贾俊平.统计学[M].第5版. 北京:中国人民大学出版社,2012.

(责任编辑：马慧)

吕王勇，女，四川邛崃人，理学博士，副教授，研究方向：随机信号处理。

【统计应用研究】

Evaluation of Chengdu Environment Air Management Effect:

Based on the Clustering and Classification Analysis on Ordinal Samples

FU lu1,LV Wang-yong1,2,GAN Mao-lin1

(1.College of Mathematics and Software Science,Sichuan Normal University, Chendu 610068, China;

2.Visual Computing and Virtual Reality Key Laboratory of Sichuan Province, Chengdu 610068,China)

Abstract:As the aggravation of environmental air pollution, the government has gradually strengthened its governing measures on ambient air. This article classified the ordinal samples by structuring F-statistics, and conducted significance analysis on content changes of air quality influencing factors with the adoption of classification test, thus put forward the evaluation of governmental management effect on environment. With relative data of air quality index during Dec., 2013 to Mar., 2015 in Chengdu City of Sichuan Province and materials of the city's environmental governing measures carried out in recent years, this article made an evaluation on environmental management effect of Chengdu government, and found out the government made significant improvements in controlling SO2, PM2.5, PM10, CO, NO2, but still had deficiencies in the governance of O3.

Key words:air quality; F-statistics; classification test; effect evaluation; governance

中图分类号：O212.4∶F222

文献标志码：A

文章编号：1007-3116(2015)12-0079-05

作者简介：符璐，男，陕西礼泉人，硕士生，研究方向：统计理论研究及其应用；

基金项目：四川省教育厅重点项目《大数据时代下证劵客户关系管理研究》(15ZA0030);可视化计算与虚拟现实四川省重点实验室《基于改进的数据挖掘技术的证券公司客户关系研究》 (KJ201410)

收稿日期：2015-04-17；

修订日期：2015-05-26