气态污染物排放量估计模型及其空间统计分析

• 作 者: 吴俣
• 出 处: 北京工业大学
• 发表日期: 2017年01期
• 关键词: 气态污染物 空间统计分析 Lasso 加权最小二乘

气态污染物对于环境的影响很大,尤其是对全球气候的影响,从长远的角度来看,这种影响将是十分严重的。所以,在本文中将针对三种主要的气态空气污染物（SO₂、NO_x和CO）排放量,分别进行了排放量估计模型以及空间特征两个方面的研究。主要内容包括以下几个部分:第一章为绪论,主要阐述的是论文的研究意义,气态污染物估计模型和空间统计分析的研究现状。本文的意义在于利用统计模型建立了一个基于当前中国政府统计部门所公开的有效信息的高精度排放量估计模型,并且运用了相关空间统计分析方法探究某一地区气态污空气染物排放量的空间特征。第二章阐述的是估计模型所运用的相关回归模型的理论方法和模型的评价标准。本章首先对Lasso和加权最小二乘的理论知识做了详细的阐述,然后介绍了两种不同的模型评价标准,分别是RMSE和残差图。第三章主要阐述的是空间统计分析的有关理论知识,具体包括空间聚类和空间自相关分析,其中空间自相关又包括了空间权重的定义以及全局空间自相关分析、局部空间自相关分析。全局空间自相关分析部分分别介绍了两种比较常用的度量方法:Moran’s I系数和Geary’s C比率,并说明了它们的计算和检验方法;局部空间自相关分析部分则介绍了空间相关的局部指标（LISA）以及Moran散点图的具体分析方法,并详细阐释了它们的计算方法和彼此之间的关系。第四章是用第二章中介绍的建模方法对邯郸市气态污染物排放量数据建立估计模型,利用多重回归的思想,首先建立Lasso回归模型,接着在Lasso的基础上对上一步回归得到的残差建立回归模型,最后基于双重回归方法再运用加权最小二乘回归得到最终的估计模型,经过这三次回归最终得到的估计模型具有比较好的估计效果和显著的统计性质。第五章是运用第三章中介绍的空间统计分析方法对唐山市气态污染物排放量数据进行分析。得出的结果分为空间聚类、全局空间统计和局部空间统计三部分,然后对结果进行相应分析,得出这些气态污染物排放量的空间特征。第六章给出结论和一些说明。