基于灰色关联分析法空气质量的影响因素——以北京市为例

□张 进

（河北农业大学理学院 河北 保定 071000）

基于灰色关联分析法空气质量的影响因素
——以北京市为例

□张 进

（河北农业大学理学院 河北 保定 071000）

论文以灰色理论为基础，分析讨论了北京市2016年～2017年第一季度的空气质量。运用灰色关联分析法计算了这两年第一季度PM2.5、PM10、NO2、SO2、CO、O3与空气质量的关联度，得到了影响北京市空气质量的主要影响因素是PM10，PM2.5；这对北京市空气质量相关政策的制定具有一定的指导意义。

灰色关联分析空气质量；北京市

近年来，大气污染物的排放量不断增加，给城市空气质量带来严峻挑战。因此，对城市空气质量分析研究就十分必要。空气质量受到多种因素的交互影响。空气环境实际上是一个部分信息确定、部分信息不确定的灰色系统，所以本文采用灰色关联分析法，对北京市空气质量进行分析研究。得到了影响北京市空气质量的最主要因素。

1 灰色关联分析

灰色系统理论提出了对各子系统进行灰色关联度分析的概念。灰色关联分析法是对一个系统发展变化态势的定量描述和比较的方法。具体步骤如下：

（1）确定参考数列T0和比较数列Ti，参考数列是指反映系统行为特征的数据序列,记为T0，记第1时刻的值为T0(1),第2时刻的值为T0(2)，…，第k时刻的值为T0(k)。则参考数列可表示为T0=(T0(1),T0(2),…，T0(m))。比较数列是指影响系统行为的因素组成的数据序列。记为T1，T2,…，Tk，与T0的表示方法相同：T1=(T1(1),T1(2),…，T1(m))，T2=(T2(1),T2(2),…，T2(m))……Tk=(Tk(1),Tk(2),…，Tk(m))。

（2)由于系统中各因素的物理意义不同，量纲也不一定相同，比较不方便或难以得到正确的结论。因此采用初值法和均值法对对参考数列T0和比较数列Ti进行无量纲化处理。

（3)求参考数列T0与比较数列Ti的灰色关联系数ξ（k）由下列公式算出：其中ρ为分辨系数，ρ＞0，通常取 0.5。△0i(k)=|T0(k)-Ti(k)|

由于关联系数的值较多，信息过于分散，不便于进行整体性比较，因此采用平均值法对其进行处理。平均值就是参考数列与比较数列的间的关联度ΥTi。

（4)将关联度按大小顺序排列起来，若γTw＞γTn,我们就说第w个因素优于第n个因素。

2 监测和计算结论

本文收集了2016年～2017年的1～3月北京市空气质量指数月统计历史数据。

按照灰色关联分析原理对两年第一季度共6个月份的数据进行计算，得到北京市2016～2017年第一季度的空气质量指数与各污染因子的关联度计算结果。见表所示。

北京各污染因子与空气质量指数的关联度月统计表

由上表，将各污染因子对北京市空气质量的关联度平均值按从大到小的顺序进行排序，即γA2＞γA1＞γA4＞γA6＞γA3＞γA5。我们得到 2016年-2017年第一季度影响北京市空气质量的最主要影响因素是PM10，PM2.5。

本文利用灰色系统理论中的灰色关联分析法对大气进行评价，计算了这两年第一季度PM2.5、PM10、NO2、SO2、CO、O3与空气质量的关联度，不仅考虑了多因子的共同影响，并且不需要人为确定各因子的权重，因而，即使灰色因子较多，也可以准确得到结果，使评价具有更好的客观性。可信度高，易于推广使用。对空气质量相关政策的制定具有一定的指导意义。

[1]章异平，徐军亮，赵西平，等.基于灰色关联的洛阳市空气质量影响因素分析[J].河南科技大学学报，2012，33（1）：100～105.

[2]潘琳.基于灰色系统的空气质量变化及影响因子分析[D].天津，天津大学，2011.

1004-7026（2017）17-0131-01

X831

A

10.16675/j.cnki.cn14-1065/f.2017.17.086

张进（1996.4-)，女，汉族，河北承德人，本科生在读，现就读于河北农业大学理学院，数学与应用数学专业。