基于多元回归分析的STM32空气质量监测系统设计与开发

以鞍山市空气环境资料为基础,用统计软件SPSS分析了空气质量指数与PM2.5,PM10,SO2,NO2,CO以及O3的相关性,选取相关性最显著的因素建立多元回归模型,并以此为基础设计并开发出基于STM32处理器的具有温湿度和紫外线测量及空气质量指数预报的空气质量监测系统。测试结果显示,测量及预报值与实际值相符合。     

基于灰色预测法节能减排对大气环境的改善

针对节能减排对大气环境的影响,建立减排效果评价模型,量化分析我国节能减排所取得的成绩,运用灰色预测法得出未来十年（即2010-2019年）能源消费量和环境空气质量的预测值,建立相对偏差模糊矩阵综合评价模型对2012年各地区大气的污染状况进行分析比较,引用AQI指标量化分析节能减排实施前后各省会城市大气环境质量改善情况。     

重庆市大气污染物分布特征及影响因素分析

基于重庆市2014—2018年的六大气体污染源PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3的月均浓度数据以及AQI(空气质量指数),对污染物的月度变化、季度变化、年度变化特征进行了描述性的分析,再根据收集的7个变量数据,运用多元回归分析,建立AQI与六大污染物之间的回归方程,运用分位数回归,对主要污染源在各个分位点上的变化进行分析。     

北京市气象条件和空气质量指数与车辆行驶事故的关系

运用皮尔逊相关分析,采用保险调查数据,综合研究了北京市日车辆行驶事故数量与日平均气温、日降水量、日空气质量指数的关系,得到以下结果: 1)10月份行驶事故数量占全年的比例最高,2月份最低; 2)年尺度数据分析显示,日行驶事故数量分别与日平均温度和日降水数量呈显著负相关,与日空气质量指数呈显著正相关; 3)季节和月份尺度数据分析结果表明,日车辆行驶事故数量与日降水量无显著相关关系,夏季日平均温度与日行驶事故数量之间呈显著正相关关系; 4)夏季营造良好车内环境、秋冬季节改善道路条件、污染天气限行制度、行驶事故风险预警等,有利于减少车辆行驶事故,改善交通拥堵现象.      

信阳市中心城区空气质量的时间变化特征

以《环境空气质量指数(AQI)技术规定(试行)》和信阳市中心城区2015-2017年的空气质量指数(AQI)日均值为依据,计算出每年的AQI月均值,分析该城区空气质量的年际、年内变化特征及其影响因素.结果表明,该城区空气质量逐年改善,年内空气质量季节变化明显:夏季良好、较稳定;冬季污染天数多于其他季节,总体表现为轻污染;春、秋季在良好和轻污染级别之间震荡.多云、阴、小雨、小雪及雨夹雪,风力≤2级、无持续方向,特别是冬季北风、偏北风等天气条件下,易发生空气污染,城市地貌阻碍空气扩散.进一步表明在防控大气污染方面,该城区应关注天气和季节变化、重视城市规划和城市设计.     

基于神经网络的PM2.5预测模型

目前PM2.5的计算主要采用物理方法,其成本较高.为此,通过采集空气中O3,CO,PM10,SO2,NO2的浓度数据,选择神经网络方法建立PM2.5预测模型.实验结果表明,该模型对PM2.5的预测准确率较高.