摘要:
乌鲁木齐市是全国城市空气污染最为严重的城市之一，对乌鲁木齐大气环境污染的现状、趋势和影响因素的研究尤为重要。本文运用统计模型对乌鲁木齐空气质量数据进行三个方面的研究，通过现状描述分析发现其污染具有明显的周期性；通过时间序列ARIMA模型预测了2014年各月的空气污染指数；运用关联规则分析方法发现天气、季节、风力对空气污染状况都有明显的影响；结果表明供暖季节、非晴天对空气污染指数存在显著影响；通过对应分析发现3-10月的空气质量级别多为优良，而污染较严重的情况多集中在11月、12月、1月和2月这四个月。
Abstract:
Urumqi was one of the cities with the most serious air pollution in China. The research of atmospheric environment pollution about present situation, trend and influencing factors is particularly important in Urumqi. This paper applies statistical model to analyze the air quality of Urumqi. Through the descriptive analysis of the air quality status in Urumqi, we can find the most obvious periodicity of pollution. Through the time series ARIMA predictive model, we can predict the air pollution index in 2014. Through the influencing factors analysis of the atmospheric environment pollution based on association rules, we can find that the more obvious impact factors are the weather, season, and the wind. Result shows that the air pollution index had significant differences between the heating season and the non-heating season or between the Sunny day and the cloudy day. Through the corresponding analysis of air quality levels and season, we found that the air quality levels were “better” from March to October; the more serious pollution periods are concentrated in November, December, January and February.
1. 引言
乌鲁木齐市曾被列为世界十大污染严重城市之一[1] -[3]。多年来，乌鲁木齐市空气质量一直低于国家二级标准，是全国污染较严重的城市之一，不仅严重制约了经济和社会的可持续发展，而且也极大地影响了广大市民的身心健康。因此，对乌鲁木齐大气环境污染的现状、趋势和影响因素的研究尤为重要。
本次研究的思路为：第二部分，对2005~2012年乌鲁木齐大气污染状况总体趋势进行描述统计分析；第三部分，对2014年乌鲁木齐的空气污染指数进行预测；第四部分，对乌鲁木齐大气环境污染与季节、天气、风力之间的关联性分析。
大气污染，就是指人类生产、生活活动或自然界向大气排出各种污染物，其含量超过环境承载能力，使大气质量发生恶化，使人们的工作、生活、健康、设备财产以及生态环境等遭受恶劣影响和破坏的现象。1
空气污染指数(Air pollution Index，简称API)就是将常规监测的几种空气污染物浓度简化成为单一的概念性指数值形式，并分级表征空气污染程度和空气质量状况，适合于表示城市的短期空气质量状况和变化趋势。2
2. 乌鲁木齐空气质量现状
2.1. 数据来源
本文所用数据有：2005~2012年乌鲁木齐空气污染指数、空气质量级别、空气质量状况日度数据各2918个，来源于中华人民共和国环境保护部-政府网站数据中心[4] ，2011~2012年天气、风力日度数据719个，来源于天气网[5] 。
2.2. 2005~2012年空气质量污染现状分析
图1为乌鲁木齐市2005~2012年日度数据的空气质量污染指数状况图，该图可以大致看出，乌鲁木齐市的污染主要产生在冬季，具有明显的周期性。也从侧面反映了乌鲁木齐市的冬季供暖系统还有待改善[6] [7] 。
2.3. 2005~2012年乌鲁木齐空气质量级别的趋势分析
图2反映了乌鲁木齐市2005~2012年空气质量优良级别所占比例，从图中显示：自2005年开始乌鲁木齐市空气质量状况出现优的天数比例呈下滑趋势，出现良的天数比例呈上升趋势，且良的涨幅与优的降幅度大致相同，基本呈现了此消彼长的替代关系。说明总体上空气质量呈下降趋势。
图3反映了乌鲁木齐市2005~2012年空气质量级别的变化趋势图，2006年以后乌鲁木齐市重污染天数呈现下降趋势，近年所占比例逐渐稳定在2%以内；八年期间中度重污染保持在2%左右，2009年略有增加；中度污染天数占比均在2%以内；轻度污染天数所占比例整体上略有增加，2009年比重有所下降，2010年以后呈稳步增加趋势；轻微污染有明显的增减变化情况，在2010年后减小幅度较大。本文在4.4节就此现象作了解释。
3. 乌鲁木齐空气污染指数趋势预测
3.1. 趋势预测模型选择
为了能显著地表示不同月份的空气污染程度，考虑用季节因素并对其进行单独量化分析，采用了乘
Figure 1. Air quality pollution index diagram in 2005-2012
图1. 2005~2012年空气质量污染指数图
Figure 2. Trend graph of air quality level in 2005-2012
图2. 2005~2012年空气质量优良级别趋势图
法分解形式对模型进行预测[8] 。因素乘法分解模型形式为：
。
其中趋势因素
、季节因素
、周期因素
、不规则因素
。
本文用SAS软件的X-11过程剔除季节指数，该过程基于中心化移动平均法进行季节调整它的特征在于能适应各种经济指标的性质。
趋势预测ARIMA模型称为差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，ARIMA(p, d, q)模型中，AR是自回归过程，p为自回归项数；MA为移动平均过程，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用惯性和自相关原理的数学模型来描述这个序列。选择模型参数的方法是检验有统计意义和诊断残差序列是否为白噪声。本文用ARIMA模型对剔除季节因素后的数据进行预测，将所得到的预测值乘以季节指数即为各月的空气污染指数预测值。
3.2. 乌鲁木齐空气污染季节指数
将2005~2012年各月平均数除以总平均数计算得到各月季节指数，它刻画了序列在一个年度内各月的典型季节特征。表1中给出了乌鲁木齐十二个月份空气污染指数的季节指数，根据该表的季节指数可以看出，样本期8年中各月的空气污染指数有明显的季节性，污染程度从每年11月增加，到1月达到最高值。6~7月污染程度最低。