一种基于回归分析的空气质量指数算法

太春宁 范卉

摘要：对吉林省重点城市2015到2018年大气日均值数据采用回归方法，得到AQI的一种简便计算方法。并用2019年吉林省一季度大气日均值数据进行了验证。结果基本满足日常工作的要求。

关键词：AQI;线性回归;算法

中图分类号：X830.2 文献标识码：A 文章编号：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

空气质量指数是定量描述空气质量状况的无量纲指数，共有6项污染物参与计算，分别是：O38小时、PM1024小时、PM2.524小时、CO8小时、SO224小时、NO224小时。

空气质量分指数中采用了插值法，计算过程比较复杂。本算法采用了线性回归的方法，对吉林省2015年到2018年日均值中AQI与六项污染物的浓度的相关性进行分析，并给出计算公式，最后通过比对2019年前三个月的大气AQI数据与用公式计算出的结果进行了的验证。

1 数据来源和方法

以吉林省2015-2018年重点城市大气日均值为样本，采用SPSS软件进行处理，先判断AQI与6项污染物值的相关性，再用线性回归方法确定AQI值与6项污染物的模型。

2 相关性结果与分析

采用SPSS软件，AQI与6项污染物的双变量相关分析，得到如下的结果。

3 线性回归的结果与分析

采用SPSS软件，对以上数据进行线性回归处理，得到如下结果。

从表2可以看出，调整后的R方为0.905，即AQI的变化90.5%由六项污染物影响。

从表3可以看出，Sig.值为.000，小于0.01，此回归方程是有用的。F值为28572.813，Fa（0.01，1，17989）为6.6363，F值远大于这个值，说明六项污染物对AQI有显著性的影响。从表4可以看出，AQI与六项污染物及常量的Sig.的值都是0，表示全部是显著相关。得到的AQI公式为：

4 公式的验证

为了验证用回归方法得到的AQI公式的准确性，对吉林省2015-2018年度重点城市大气日均值用本公式得出的AQI值与插值法得到的AQI值，用SPSS软件进行配对样品检验，得到结果如下：

从表5可以看出两组AQI数据具有强相关性，均值差为0.025，标准差为12.716，均值差没有显著相关性。

5 公式的应用

为了验证AQI公式的实际效果，对吉林省2019年一季度的大气日均值数据进行了处理，分别得到用插值公式得到的AQI值和用本公式得

6 结论

用回归方法得到的AQI数据与插值法得到的AQI数据具有强烈的相关性，可以作为计算AQI的参考方法使用，对特殊情况下临时计算空气质量指数提供了一种简便的工具。

参考文献

[1]潘本锋，李莉娜.环境空气质量指数计算方法与分级方案比较[J].中国环境监测，2016，32（01）：13-17.

收稿日期：2019-09-27

作者简介：太春宁（1968-），男，本科学历，高级工程师，研究方向為吉林省大气数据的收集、整理、评价工作。