一種基于回歸分析的空氣質量指數算法

太春寧 范卉

摘要：對吉林省重點城市2015到2018年大氣日均值數據采用回歸方法，得到AQI的一種簡便計算方法。并用2019年吉林省一季度大氣日均值數據進行了驗證。結果基本滿足日常工作的要求。

關鍵詞：AQI;線性回歸;算法

中圖分類號：X830.2 文獻標識碼：A 文章編號：2095-672X（2019）12-0-02

Abstract：A simple method of AQI is obtained by regression method for the daily mean atmospheric data of key cities in Jilin Province from 2015 to 2018.The results are validated by the daily mean data of Jilin Province in the first quarter of 2019.The results basically meet the requirements of daily work.

Key words：AQI;Linear regression;Algorithm

空氣質量指數是定量描述空氣質量狀況的無量綱指數，共有6項污染物參與計算，分別是：O38小時、PM1024小時、PM2.524小時、CO8小時、SO224小時、NO224小時。

空氣質量分指數中采用了插值法，計算過程比較復雜。本算法采用了線性回歸的方法，對吉林省2015年到2018年日均值中AQI與六項污染物的濃度的相關性進行分析，并給出計算公式，最后通過比對2019年前三個月的大氣AQI數據與用公式計算出的結果進行了的驗證。

1 數據來源和方法

以吉林省2015-2018年重點城市大氣日均值為樣本，采用SPSS軟件進行處理，先判斷AQI與6項污染物值的相關性，再用線性回歸方法確定AQI值與6項污染物的模型。

2 相關性結果與分析

采用SPSS軟件，AQI與6項污染物的雙變量相關分析，得到如下的結果。

3 線性回歸的結果與分析

采用SPSS軟件，對以上數據進行線性回歸處理，得到如下結果。

從表2可以看出，調整后的R方為0.905，即AQI的變化90.5%由六項污染物影響。

從表3可以看出，Sig.值為.000，小于0.01，此回歸方程是有用的。F值為28572.813，Fa（0.01，1，17989）為6.6363，F值遠大于這個值，說明六項污染物對AQI有顯著性的影響。從表4可以看出，AQI與六項污染物及常量的Sig.的值都是0，表示全部是顯著相關。得到的AQI公式為：

4 公式的驗證

為了驗證用回歸方法得到的AQI公式的準確性，對吉林省2015-2018年度重點城市大氣日均值用本公式得出的AQI值與插值法得到的AQI值，用SPSS軟件進行配對樣品檢驗，得到結果如下：

從表5可以看出兩組AQI數據具有強相關性，均值差為0.025，標準差為12.716，均值差沒有顯著相關性。

5 公式的應用

為了驗證AQI公式的實際效果，對吉林省2019年一季度的大氣日均值數據進行了處理，分別得到用插值公式得到的AQI值和用本公式得

6 結論

用回歸方法得到的AQI數據與插值法得到的AQI數據具有強烈的相關性，可以作為計算AQI的參考方法使用，對特殊情況下臨時計算空氣質量指數提供了一種簡便的工具。

參考文獻

[1]潘本鋒，李莉娜.環境空氣質量指數計算方法與分級方案比較[J].中國環境監測，2016，32（01）：13-17.

收稿日期：2019-09-27

作者簡介：太春寧（1968-），男，本科學歷，高級工程師，研究方向為吉林省大氣數據的收集、整理、評價工作。