臭氧与气象监测数据分析模型.PDF

[摘要] 臭氧(O )是大气中的微量元素，是一种有微腥臭味，浅蓝色的气体，主要密 3 集在离地面 20-25 公里的平流层内，科学家称之为臭氧层。臭氧层好比是地球的 保护伞。阻挡了太阳 99%的紫外线辐射，保护地球上的生灵万物。 本文从两个角度出发分别建立了两个关于预测大气中臭氧浓度的数学模型， 并通过建立数学模型建立起大气中臭氧浓度与气象数据中的联系。 首先，通过数据库技术对给定的大量数据（臭氧浓度和气象数据）进行统计 分类，筛选出能便于我们分析的数据，并进行画图分析，得出浓度分布图，通过 观察，我们近似的认为浓度变化具有马尔可夫性，从这个角度出发我们建立模型 1（马氏链模型），首先把臭氧浓度的变化范围化分为若干个状态，并通过统计得 出臭氧浓度从一个状态转移到下一个状态的转移概率，并通过转移概率建立转移 概率矩阵，从而能对臭氧的浓度变化情况进行简单的预测。 由于在马氏链模型中，我们把臭氧浓度变化范围划分为若干区间，因此预测 出的数据会因为区间的划分有限而在精确度上有一定的局限性。因此我们在模型 1 的基础上通过两种适当假设（1.地区发生变化，时间不发生变化，2.时间发生 变化，地区不发生变化）分别求出两种假设情况下的函数表达式，并通过 MATLAB 拟合成一个与时间 t,以及地点坐标 lon,lat，相联系的函数。 对于问题 2，由于提供的气象数据中描述气象状态的指标存在着多个，一般 认为各个指标之间存在复杂的关系，之间可能互相加强也可能互相制约，若直接 与臭氧的浓度进行联系分析，自变量之间可能会涉及到较多的重共线性问题，因 此我们采用基于主成份分析的多元统计分析方法来建立模型，利用描述气象数据 的众多指标重新生成少数几个重要的指标,减少了数据矩阵的维数，从而提高了 多元统计分析的准确度，通过模型的建立与求解，我们得出气象数据与臭氧浓度 之间的联系，为气象的分析或臭氧浓度的预测提供了一种有效的途径。 本文通过 SQL SERVER 2000 有效地从庞大的数据中筛选出了有利于我们统 计分析的数据，并利用数学软件 MATLAB 很好的实现了数据的拟合以及主元分 析，多元分析，得出数学模型。 1 臭氧(O )是大气中的微量元素，是一种有微腥臭味，浅蓝色的气体，主要密 3 集在离地面 20-25 公里的平流层内，科学家称之为臭氧层。臭氧层好比是地球的 保护伞。阻挡了太阳 99%的紫外线辐射，保护地球上的生灵万物。臭氧层浓度 每减少 1%，太阳紫外线辐射增加 2%，皮肤癌就会增加 7%，白内障增加 0.6%， 现在全世界每年死于皮肤癌的有十几万人，患白内障的更多。紫外线辐射还能破 坏植物光合作用和受风粉能力，最终降低农业产量。剧实验，如臭氧减少 25%， 大豆将减产 20-25%。紫外线辐射还会杀死水中雨卵和单细胞藻类，同时还会引 起塑料制品老化、发黄、开裂。氟利昂的排放增多导致臭氧层破坏。对温室效应 有重要作用的气体还有甲烷、臭氧、氯氟烃以及水气等。还随着人口的急剧增加， 工业的迅速发展，排入 大气的二氧化碳也相应增多。又由于森林被大量砍伐， 大气中应被吸收的二氧化碳没有被吸收，由于二氧化碳逐渐增加，温室效应也不 断增强。据分析，在过去二百年中,二氧化碳浓度增加 25%，地球平均气温上升 0.5 摄氏度。估计到这个世纪中叶，地球表面温度将上升 1.5-4.5 摄氏度，而在 中高纬度地区温度上升更多。 我们要研究的问题是： （1）根据附表数据，能够有效地在时间和空间 2 个方面预测未来时间的情况。 （2）根据数据的分析和处理，建立臭氧和气象数据之间关系的数学模型，并进 行一定的分析，得出一定的结论。 （3）在所建立的数学模型分析的基础上，向有关部门提出具体的建议。