聚类分析方法在我国空气污染区域划分中的应用

基于聚类算法的空气质量监测与预测研究一、引言空气质量的监测与预测对于人们的生活和健康至关重要。

然而，由于空气质量受多种因素影响，如气候、污染物排放等，其变化极具复杂性和时变性。

为了更好地监测和预测空气质量，研究者不断探索各种方法和技术。

聚类算法作为一种无监督学习方法，能够将相似的数据划分为不同的类别，为空气质量监测和预测提供了一种新的思路。

二、聚类算法简介聚类算法是一种无监督学习算法，旨在将相似的数据或样本划分为不同的类别或簇。

常见的聚类算法包括K-means算法、层次聚类算法等。

这些算法通过计算样本之间的相似度或距离，将相似的样本归为同一类，以期在此基础上发现数据的内在结构和规律。

三、空气质量监测数据的聚类分析为了实现对空气质量的监测与预测，我们首先需要采集和整理大量的空气质量数据。

这些数据通常包括空气中各种污染物的含量、气象条件等。

对于这些数据，我们可以应用聚类算法进行分析。

以K-means算法为例，我们可以将监测到的空气质量数据作为输入，通过计算样本之间的相似度，将相似的样本归为一类。

聚类的结果能够反映出不同地区或时间段空气质量的差异性。

通过进一步分析聚类结果，我们可以了解不同类别的特征与规律，有助于对污染源进行定位和改善。

四、基于聚类算法的空气质量预测除了对空气质量数据进行分析，聚类算法还可以应用于空气质量预测。

通过对历史空气质量数据的聚类分析，我们可以找出相似的历史数据，根据这些数据来预测未来的空气质量。

一种常见的方法是使用K-means算法对历史数据进行聚类，然后通过分析每个类别之间的变化趋势，来预测未来的空气质量。

例如，如果某个类别的空气质量一直保持稳定，并且其他类别的空气质量逐渐改善，那么我们可以预测该地区的空气质量将继续保持良好。

这些预测结果对于政府决策者和公众来说具有重要意义，可以指导他们制定相应的空气污染治理和健康保护措施。

五、聚类算法在空气质量监测与预测中的应用案例聚类算法在空气质量监测与预测中已经得到了广泛应用，并取得了一些积极的成果。

环境保护与循环经济基于聚类分析的北京市空气质量时空分布研究金仁浩曾国静王莎(北京物资学院信息学院，北京101149)摘要:对北京市空气质量时空分布的研究已比较丰富，但仍缺少对北京市不同区域大气污染物变化相似性的研究。

在分析北京市2018年空气污染物时空分布特征的基础上,得出污染物浓度在空间上呈现出北低南高的趋势，自然因素是造成该趋势的主要原因。

分别从污染物浓度值和空气质量等级天数2个角度对北京市的大气监测站点进行聚类分析，根据2种聚类结果进行了交叉类分析，并对北京市空气质量的治理提出相应的建议。

关键词：空气质量;PM2.5；时空分布;聚类分析;北京市Abstract:Researches on spatial and temporal distribution of Beijing air quality is relatively rich,but few cover the similarity of air pollutants in Beijing different regions.Based on the analysis of the spatial and temporal distribu­tion of Beijing air pollutants in2018,a trend of low in the north and high in the south is concluded.The natural environment is the main reasons for this trend.This paper also segments Beijing atmospheric monitoring stations in tenns of pollutant concentration value and air quality grade days respectively,and makes cross cluster analysis ac­cording to the two clustering results.By summarizing the results,this paper also puts forward corresponding sug­gestions on Beijing air quality control.Key words:air quality;PM25；spatial and temporal distribution;clustering analysis;Beijing中图分类号：X823文献标识码:A文章编号:1674-1021(2021)01-0068-051引言北京地区的空气质量问题一直受到中央和当地政府及居民的高度关注，北京冬季较容易出现的雾霾天气，不仅影响居民的正常出行，更对民众身体健康造成威胁。

基于聚类分析法的空气质量分析摘要：本文利用聚类分析法研究深圳市各区的空气质量问题，就主要污染物so2、no2、pm10、co和o3等进行分析，得到各污染物含量之间的关系，以及其相关性程度，从中找到污染程度相当的主要地区，结合其地理位置，从而判断其主要污染源，对同一类地区用相同的方法进行集中治理。

关键词：聚类分析空气质量集中治理污染源based on clustering analysis of air quality analysiswang shuai(college of mechanical engineering, south east university, nanjing, 211189)abstract: this paper make use of cluster analysis method to study the district shenzhen city air quality problem, the main pollutant so2, no2 and pm10 readings - which were taken, co and o3 undertake an analysis, get the relationship between the content of each pollutant, and the correlation degree, find the main area is polluted, combined with its geographical position to judge the main pollution sources, to the same kind of area with the same method for centralized management.keywords: clustering analysis; air quality; centralized management; pollution sources;中图分类号：q938.1+4文献标识码： a 文章编号：由于空气的扩散作用，导致对空气环境的治理有一定的盲目性，不能做到对症下药，导致效果不佳。

中国各城市空气质量聚类和判别分析摘要中国经济的快速增长导致环境污染不断加重，其中空气污染与人类的健康密切相关。

结合全国74个城市的空气污染物浓度数据对各城市进行聚类分析，分类方法包括等价关系法和Kmeans分析两种方法。

结果表明，海口是全国空气质量最好的城市，石家庄和邢台是全国空气质量最差的城市，而武汉、成都和乌鲁木齐的空气质量与北京最为接近。

关键词聚类分析空气质量等价关系Kmeans1. 介绍随着中国经济的高速发展和工业化、城市化进程的加快，能源的消耗速度也不断提高。

中国的工业发展大量依赖煤炭、石油等化石燃料，其燃烧产生的废气严重污染空气，导致中国各地区空气质量不断下降。

90年代初期，中国的500个城市当中，达到国家空气质量I级标准的仅占1%；此外，近年来的数据显示，暴露于未达标空气中的城市人口占统计城市人口的三分之二[1]。

城市的空气污染对人体健康构成极大威胁，研究表明，即便暴露于污染物密度较低的空气中也会提高慢性呼吸系统的发病率以及多种癌症的患病概率[2]。

因此，有必要对全国各大城市的空气质量进行数据收集和分析，确定不同城市的污染程度及相互之间的关系，为相关部门制定政策提供有力的数据支撑。

城市的空气污染程度主要受经济发展水平影响，但二者不是呈简单的倒U型曲线关系，不同的污染物与经济水平之间有不同的关系[3]，因此需要对各种污染物进行综合分析和评价。

而目前对环境进行综合评价的方法包括模糊数学法、距离判别法和物元分析法[4]，本文即采取其中的模糊数学法对全国74个主要城市的空气污染数据进行聚类和判别分析，以研究目前中国各大城市的空气污染水平和特点。

2. 原始数据及聚类分析方法本文所用到的城市空气污染数据来自环保部相关统计数据[5]，参见表1。

为了便于分析，选取空气污染指标中量纲相同的三个指标进行考察，分别是SO2浓度、NO2浓度和PM2.5浓度。

采用两种聚类分析方法对这74个城市进行分类，分别是等价关系法和Kmeans分类方法。

对我国主要城市空气质量的聚类分析摘要本文应用多元统计分析中聚类分析理论，使用SPSS17.0软件和spss13.0对我国主要城市的空气质量进行了聚类分析，将31个城市按照空气质量的类型分为了四类。

在此基础上，对这些城市的空气质量归属进行了回报判别，结果令人满意。

1引言大气环境质量评价是环境质量评价的一项重要内容。

对空气环境质量的充分认识对我国社会的可持续发展具有现实的指导意义。

在多元统计分析中，常常使用聚类分析和判别分析来解决样本的分类问题。

在事先不知道应将样品或指标分为几类、怎么分类的情况下，可以使用聚类分析根据样本或指标的相似程度，将样本或指标归组分类。

聚类分析的基本思想是：在样品之间定义距离，在变量之间定义相似系数，距离或相似系数代表样品或者变量之间的相似程度。

按相似程度的大小，将样品逐一归类，关系密切的类聚集到一个小的分类单位，然后逐步扩大，使得关系疏远的聚合到一个大的分类单位，直到所有的样品都聚集完毕，形成一个表示亲疏关系的谱系图，依次按照某些要求对样品进行分类。

一般地，根据分类对象的不同，聚类分析可以分为Q型和R型两大类。

Q型聚类分析是对样本进行分类处理，R型聚类分析是对变量进行分类处理。

[2]判别分析也是一种数据的分析方法。

在事先已经建立了样品分类，需要将新样本归入到已知分类的样本组中时，就可以使用判别分析。

本文以4种空气质量指标为变量，采用系统聚类分析Ward方法（离差平方和法），对我国31个主要城市的空气质量类型进行了聚类。

并在此基础上，对这些城市的空气质量归属进行了回报判别。

从结果来看，比较圆满地完成了预定目标。

2聚类分析和主要城市空气质量类型的划分2.1指标的选取本文选取了全国31个城市的2008年的四项空气质量指标作为对空气质量类型划分的依据，所选数据全部来自《中国统计年鉴》，具体见下表。

主要城市空气质量指标 (2008年)单位：毫克/立方米城市空气质量达到及可吸入颗粒物二氧化硫二氧化氮好于二级的天数(天)北京0.123 0.036 0.049 274 天津0.088 0.061 0.041 322 石家庄0.116 0.046 0.031 301 太原0.094 0.073 0.021 303 呼和浩特0.070 0.049 0.045 340 沈阳0.118 0.059 0.037 323 长春0.096 0.030 0.038 342 哈尔滨0.102 0.043 0.055 308 上海0.084 0.051 0.056 328 南京0.098 0.054 0.053 322 杭州0.110 0.052 0.053 301 合肥0.134 0.022 0.025 257 福州0.071 0.023 0.046 354 南昌0.083 0.050 0.036 344 济南0.126 0.052 0.022 295 郑州0.094 0.060 0.047 325 武汉0.113 0.051 0.054 294 长沙0.097 0.053 0.043 329广州0.071 0.046 0.056 345 南宁0.056 0.040 0.044 352 海口0.043 0.009 0.017 366 重庆0.106 0.063 0.043 297 成都0.111 0.049 0.052 319 贵阳0.082 0.064 0.023 347 昆明0.067 0.051 0.039 366 拉萨0.051 0.005 0.024 353 西安0.113 0.050 0.044 301 兰州0.132 0.070 0.054 268 西宁0.118 0.029 0.030 296 银川0.084 0.049 0.021 330 乌鲁木齐0.145 0.105 0.065 261表2Rescaled Distance Cluster CombineC A S E 0 5 10 15 20 25Label Num +---------+---------+---------+---------+---------+11 -+27 -+3 -+4 -+15 -+29 -+17 -+-----+22 -+ |8 -+ |9 -+ +-------------+18 -+ | |30 -+ | |2 -+-----+ |10 -+ |6 -+ +---------------------------+16 -+ | |23 -+ | |21 -+---+ | |25 -+ | | |13 -+ +---------------+ |26 -+ | |20 -+---+ |5 -+ |7 -+ |14 -+ |19 -+ |24 -+ |12 -+ |31 -+-----------------------------------------------+1 -+28 -+表 3类型城市第一类合肥，兰州，太原，呼和浩特，郑州，银川，长沙，上海，成都第二类南京，广州，乌鲁木齐，石家庄，杭州，武汉，长春，贵阳第三类拉萨，重庆，南昌，西安，海口，哈尔滨，沈阳，济南，南宁，昆明第四类天津，西宁，福州，北京从图1，2中可以看出，全国31个城市可以分为四种空气质量类型，如表3所示。

我国主要城市空气质量面板数据聚类分析作者：罗国梁来源：《现代商贸工业》2014年第07期摘要：我国的空气质量问题牵动着千千万万老百姓的心，为了深入了解全国31个重要城市的空气质量和空气污染方面的差异，根据地方的不同，制定不同的污染防范和治理措施，了解各地的环保态势和水平，运用面板数据的聚类分析方法对全国31个省会城市的从2006到2012年的空气质量达到及好于二级的天数，以及可吸入颗粒物这两个指标的地区差异进行实证分析。

关键词：城市空气质量；面板数据；聚类分析中图分类号：F2文献标识码：A文章编号：16723198（2014）070008021引言自从改革开发以来，我国的经济发展取得了显著的进步。

但是，经济的发展也带来了一系列隐患，其中最重要的一条就是环境问题。

目前，我国乃至全世界的环境污染问题都十分的严峻。

最近，环境污染重最引人关注的一项就是空气质量问题。

PM2.5、雾霾等等已经成为经常挂在嘴边的话语。

今年我国空气质量标准的重新修订，特别把PM25纳入监测内容，并已经开始在多个试点城市开始运作，加强了政策实施的力度和强度，体现了国家对空气污染的高度关注。

尽管我国政府制定并不断完善了法律法规体系，使环境保护取得了一定的进展。

但环境形势非常严峻的状况仍然没有太多的改变，发达国家用了百年时间完成了工业化，相比之下我国完成现代化的时间非常之短，这也不可避免的引起环境污染在我国近20多年来集中出现，呈现复合型、结构型、压缩型的特点。

表现为许多城市空气污染严重，雾霾出现频繁，主要污染物的大量排放量超过了环境承载能力，等诸多大气环境问题。

由此我们可以认识到，污染的防治不仅仅是一个环境问题而且是重大的经济和政策问题，是一个关系到国计民生的问题。

为了深入的了解全国各大城市空气污染的差异，更好的把握防治空气污染的力度，本文应用单指标面板数据的聚类分析方法对全国31个主要城市从2006到2012年的空气质量达到及好于二级的天数，以及可吸入颗粒物这两个指标的地区差异进行实证分析。

全国环保重点城市空气质量状况的聚类分析作者：崔筱笛郭民之谭毅恒来源：《绿色科技》2020年第04期摘要：利用全国113个环保重点城市2017年的空气质量数据进行了聚类分析，以期对全国城市空气质量分布状况有一个总体性的直观把握。

在综合考虑聚类个数和类间区分度的情况下把这113个城市聚为9类，按空气质量达到及好于二级的天数这一指标进行排序并将空气质量最优、中等和最差三类城市在中国地图上进行标注。

结果表明：这些环保重点城市空气质量分布状况具有明显的区城性，空气污染严重城市主要集中在华北和西北地区，南方城市的空气质量整体好于北方。

最后分析了各类城市空气污染的成因和地域特征并时如何改善城市空气质量提出了治理建议，以供参考。

关键词：城市空气质量;聚类分析;区城特征;治理建议中图分类号：0212.4 文献标识码：A 文章编号：1674-9944（2020）04-0001-041 引言空气质量的好坏与人们的健康水平息息相关。

随着社会经济的发展，我国城镇化与工业化的步伐不断加快，空气污染问题日益凸显，雾霾天气越来越常见，已经对社会大众的身体健康和生产生活带来严重的影响。

到目前为止，已经有不少学者对我国城市空气质量的现状及相关问题进行过研究。

余晓美等[1]对全国31个环保重点城市空气质量进行动态特征分析，选取2014～2016年共36个月空气质量指数（AQI）作变化速度曲线和平均变化速度曲线图，具有相似AQI曲线的城市聚为一类，空气质量呈现“三阶段”季节性周期，区域差异明显，且发现空气质量改善过程呈现“类马太效应”;宋加梅[2]对55个主要城市的空气质量数据进行因子分析，根据排名对城市进行分类，总结这些城市空气污染的现状并提出改善建议;姜磊等[3]运用空间滞后模型探究城市化发展与空气质量之间的关系，发现空气污染存在明显的空间溢出效应。

本文根据六项国家空气质量主要监测指标，对2017年全国113个环保重点城市空气质量进行聚类分析，研究这些环保重点城市空气质量类属现状、污染分布区域特征和影响因素，并提出治理对策和建议。

系统聚类方法对大气污染地区的划分高胜云;王拥兵;张丽霞【摘要】当前国内经济快速发展的同时带来了环境质量下降等问题,地区间发展落脚点不同,受到的大气污染程度不同.从主要的大气污染监控物PM2.5、PM10、一氧化碳、二氧化碳、臭氧和二氧化硫6个方面构建大气污染地区分类的聚类评价指标体系,建立地区分类的聚类分析模型.并以北京、上海、海口、西安、佛山、酒泉、拉萨和重庆8个城市为例,应用评价指标的数据进行聚类分析,根据聚类结果提出具有针对性的环境保护建议.【期刊名称】《西昌学院学报（自然科学版）》【年(卷),期】2019(033)002【总页数】4页(P70-73)【关键词】大气污染;地区分类;系统聚类分析;环境保护【作者】高胜云;王拥兵;张丽霞【作者单位】安庆师范大学数学与计算科学学院,安徽安庆 246133;安庆师范大学数学与计算科学学院,安徽安庆 246133;安庆师范大学数学与计算科学学院,安徽安庆 246133【正文语种】中文【中图分类】X8230 引言随着第三次工业革命的快速发展，环境保护与大气污染成为了热门话题[1]。

在我国不同地区的发展速度和发展重点不相同，大气污染物含量造成的环境影响存在差异。

从国内的大气污染现状来看，国内各城市的大气污染呈现较为明显的复合型污染特征[2]。

目前全国各地环境监测站的常规监测就有二氧化硫、氮氧化物、一氧化碳、可吸入颗粒物和细颗粒物等物质[3]。

严峻的环境污染现状已经逐渐成为制约地区经济可持续发展的主要障碍，过度排放的工业“三废”、生活垃圾、汽车尾气和化肥农药等污染物使得环境日趋恶化。

聚类分析方法是统计学理论中重要的方法之一，是按照某一标准来对样本点进行分类，从而能够对样本数据进行分析判断，提供针对性的意见和决策。

文献[4-6]中举例分析了多种聚类方法，并对它们的优缺点进行比较，当样本的性质不同时，不同的聚类方法对聚类结果产生的影响不同。

为分析大气污染物的地区划分问题，需要提取各地区常规监测物质数据。

聚类分析方法在我国空气污染区域划分中的应用安徽大学笪婷婷、邹委员、武锦摘要随着我国工业化进一步的发展，人们的生活也进一步的提高。

伴随着经济的发展，环境也受到了一定的影响，国家也相应的提出了人与自然和谐相处的可持续发展战略。

本文基于国家的政策，考虑工业化过程中城市空气的污染情况，提出相应的合理建议，从而使工业化过程中我们的环境也能受到更好的保护！聚类分析是目前最有前景的数据分析方法之一，它不仅能作为一个独立的工具来获得数据分布的情况，观察每一个簇的特点，还能集中地对某些特定的簇作进一步的分析。

对空气污染区域划分的聚类分析，不仅能合理的分析我国各地区空气污染的情况，还可以对我们工业化发展的伟大蓝图提出我们瀚渺的建议，维护我们广大城市居民的切身利益！本文首先对几种聚类方法进行了介绍和比较，然后在对我国空气污染现状分析中，运用了系统聚类分析方法。

首先，我们采用了组内连接聚类分析方法对我国的空气污染区域按照污染程度的不同进行了划分；其次，我们又采用了中位数聚类分析法对我国的空气污染区域按照不同地区的废气处理情况进行了划分；最后我们又采用了质心聚类分析法对各污染区域按年度的不同进行划分。

我们用所选的三种数据进行聚类，产生的七个类是在整体上是一致的。

这就表明，空气污染程度与废气处理的力度是成正相关的。

为了说明系统聚类分析方法在我国空气污染区域划分中的合理性，我们又采用了k-means方法进行聚类，所得的聚类结果与运用系统聚类法的结果相似。

从而进一步说明分类的合理性。

根据聚类结果，我们提出了一些相关的防治空气污染的建议。

相关部门应该按照污染地区的分类有针对性的制定相关策略，因地制宜，对污染程度相近的地区采用合理的方式进行治理。

关键词：聚类方法；系统聚类法；中位数聚类分析；组内连接聚类分析；质心聚类分析The Application of Cluster Method in Air PollutionRegional Division of Our CountryAbstractWith the further development of the industry in our country, people have undergone general improvement. However, the environment is accordingly suffering some attack from the progress of economy. The government has launched the strategy of sustainable development in order to build harmonious relationship between human and nature. Based on the policy of our government, taking the pollution in urban area into consideration, our article gives some corresponding advices to protect our environment in the industrialization.Cluster method is one of the most promising methods in data analysis. Not only can it act as an independent tool to obtain the information of data distribution and observation of the characteristics of each cluster, but also do further analysis for some particular clusters. Using the cluster method in the analysis of division for polluted urban area, we can do reasonable analysis and get acquaintance of condition of air pollution in different places. Our trivial recommendations will be come up for the blue sky of our industry development and safeguarding the vital interests of the city dwellers.At the beginning of this paper, more than one kind of cluster method will be introduced and compared in this paper. Furthermore, systematic cluster methods will be applied in the division of the current air pollution circumstances. Firstly, we use team linked cluster method to divide regions according to the pollution degree. Secondly, we use median cluster method in accordance with the pollutant disposal of different areas. Lastly, we use centroid cluster method by judging the annual condition of air pollution. We cluster these three kinds of data, finding that seven categories we produce are accordant on the whole, which suggests that pollution degree is positively related to the strength we depose.To illustrate the rationality of systematic cluster method applied in air pollution regional division, we utilize k-means to cluster. To our happiness, the result we obtain is quite similar to that of systematic cluster method, which shows the rationality.According to the clustering results, we put forward some relevant suggestions for the prevention and control of air pollution. Relevant departments should formulate relevant strategies based on the classification of pollution areas, and take suitable measures for local conditions. Also we should depose the pollution in similar levels in a reasonable way. Keywords: : cluster system clustering method; median cluster analysis; connection cluster analysis within the group; a centroid cluster analysis一.研究背景我国经济的快速增长，工业化、城市化的发展使得GDP年增长率达到8％～9％。