摘要:雾霾已成为中国日常空气污染的突出问题,近年来变得越来越严重。而PM2.5是雾霾的主要构成成分,也是衡量空气质量的重要指标,空气质量的好坏可以由PM2.5的浓度直接反映。徐州,作为一个重工业城市,它的空气污染是比较严重的。如果PM2.5污染严重,将对徐州市民正常的生活和工作造成很大的影响。因此,只有对PM2.5数据有足够的了解,才能提出有效的方案来减轻其危害。
本文采用时间序列分析与回归分析相结合的研究方式对徐州市近三年PM2.5数据进行统计分析。首先对徐州市近三年PM2.5的月平均数据进行时间序列分析,经过模型识别、定阶、估计和检验一系列过程建立ARIMA(2,1,0)x(0,1,1)12模型,并用该模型对PM2.5进行短期预测。为了更好的了解显著影响徐州市PM2.5浓度变化的相关因素,选取PM10、NO2、SO2、CO和O3为自变量,PM2.5为因变量,进行主成分回归分析。结果表明:徐州市的PM2.5变化呈现季节性规律;CO 对PM2.5的影响最大,NO2和SO2次之。
关键词 PM2.5;徐州市;时间序列;回归分析;主成分回归
目录
摘要
Abstract
1 绪论-1
1.1 研究背景及意义-1
1.1.1 研究背景-1
1.1.2 研究意义-1
1.2 国内外研究现状-2
1.2.1 国外研究现状-2
1.2.2 国内研究现状-2
1.3 研究内容-3
2 时间序列分析和回归分析的相关理论-4
2.1 时间序列分析的基本理论-4
2.1.1 时间序列常用模型-4
2.1.2 季节性时间序列模型-4
2.1.3 ARMA模型建模步骤-5
2.2 回归分析基本理论-6
2.2.1 多元线性回归模型-6
2.2.2 主成分回归-6
3 徐州市PM2.5及其影响因素描述性分析-8
3.1 徐州市近三年PM2.5描述性分析-8
3.2 2016年徐州市和其它市PM2.5对比分析-8
3.2.1 徐州市与宿迁市PM2.5对比-9
3.2.2 徐州市与连云港市PM2.5对比-9
3.2.3 徐州市与枣庄市PM2.5对比-10
3.2.4 徐州市与临沂市PM2.5对比-11
3.3 聚类分析-11
3.4 徐州市PM2.5及其影响因素的分析-13
3.4.1 PM10与PM2.5的描述性分析-13
3.4.2 NO2和SO2与PM2.5的描述性分析-14
3.4.3 CO与PM2.5的描述性分析-14
3.4.4 O3与PM2.5的描述性分析-15
4 基于时间序列的徐州市PM2.5数据统计分析-17
4.1 PM2.5数据选取-17
4.2 PM2.5数据预处理-17
4.2.1 PM2.5序列平稳性检验-17
4.2.2 PM2.5序列平稳化处理-18
4.2.3 PM2.5序列季节差分-19
4.3 徐州市PM2.5时间序列模型的建立-20
4.3.1 PM2.5序列模型识别-20
4.3.2 PM2.5序列模型参数估计-21
4.3.3 PM2.5序列模型检验-21
4.4 徐州市PM2.5短期预测及分析-22
5 基于主成分回归的徐州市PM2.5数据统计分析-24
5.1 变量选取及数据统计-24
5.2 徐州市PM2.5及其影响因素的回归分析-24
5.2.1 PM2.5影响因素的多重共线性检验-24
5.2.2 PM2.5与主成分的回归模型-25
5.2.3 主成分回归模型检验-27
5.2.4 修正主成分回归模型-28
6 徐州市PM2.5研究结论及政策建议-30
6.1 徐州市PM2.5研究结论-30
6.2 徐州市PM2.5防治政策建议-30
结论-32
致谢-33
参考文献-34
附录-35