基于指示变量对城市空气数据真实性判别分析

目的以AQI为衡量标准的城市空气数据,建立新的分析方法对数据真实性进行判别。方法以北京市为研究对象,搜集得到1月10日前后20d的AQI指数与5种污染物浓度数据,即细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO),借助SPSS软件分别进行回归分析,得到2个回归方程式,然后建立基于指示变量的多元回归比较模型,对2个方程式偏回归系数和常数项进行比较。结果 2个空气数据回归方程的偏回归系数检验结果为:F_1=0.05,F0.05(5.8)=3.69,F_1<F0.05(df1,df2),偏回归系数无显著性差异;常数项的检验结果为:F_2=0.89,F0.05(5.12)=3.11,F_2<F0.05(df1,df2),常数项也无显著性差异。可以看出北京1月1日到1月20日的空气质量数据不存在造假情况。结论造成空气质量数据产生不真实性的原因主要有2个:主观性的数据统计错误和非主观性的数据统计错误。因此可以从改革政府考核方面的硬性要求、建立支持环境大数据发展的组织结构和改善空气质量这3个方面来避免城市空气数据造假情况。

城市空气污染数据的真实性判别及分析

为进行城市空气污染数据的真实性判别,研究出现异常点的严重性及其原因,该项研究基于空气污染指标的相关性分析,正态分布3σ原则以及层次分析法建立评判与评价模型,筛选出异常点并就其严重性划分等级,分析原因。首先,基于污染物相关性,将其散点图纵向分为若干区域,每个区域样本数据应以正态分布形式分布在拟合方程函数值两侧,而分布在μ-3σ,[μ+3σ]之外的点视其为异常点,并以卡方检验验证了结果的准确性;针对异常数据严重性分析,运用层次分析法求出数据对的权重,再对空气质量指标数据对的偏离行为严重性划分等级,获得各异常数据偏离程度的评分;最后将出现异常点的原因分为人为更改和仪器故障2类,并分别举例进行了分析。