第一次训练题目：大气污染质量评价及预测
如上面表格所示，可得如下图表：
相关指标 污染物 F0.05 0.05 0.05 0.05 F 3.837 5.996 2.540 R2 0.151 0.188 0.123 SO2 NO2 PM10
同样由上面的表可以看出，我们建立的各个污染物与天气参数之间的关系式都是合理的。
其他城市的各个污染物与天气参数之间的关系式见附录。
5.4问题4
尊敬的部门领导：
您好。我们是西安电子科技大学的学生。现在全球气候恶化，我们每个人都应该为我们的地球、我们的家园做出我们自己的一份贡献。因此，我们想对于提高空气质量提出我们自己的建议。建议如下：
首先，我们应该控制排放。城市的工厂、汽车尾气等需要化石能源提供能量的工厂或是动力装置进行限制，做好评估，将每一天的排放量限制在一定范围内，争取做到在不干扰经济效益的前提下，排放的废气及粉尘能够及时自净。 其次，化石燃料的限制。我们可以实行集体供暖制度，这样可以大范围的减少化石燃料的使用，从而减少排放，不仅净化了空气，而且节省了资源，增加了化石燃料的利用率。
再次，出台法律，限制节假日燃放烟花爆竹。燃放烟花爆竹按习俗，在古代是过年的时候才燃放的，所以我们现在也没有必要在普通节假日过多让放烟花爆竹，制造不必要的空气污染。
再有，推广清洁燃料、使用清洁生产工艺。例如，鼓励使用太阳能，大力发展清洁能源事业，这会节约大量的化石能源，减少空气污染。对于必须依靠化石能源的机器汽车等，我们应该尽量鼓励使用清洁的能源，例如，城市公交可以使用轻燃料，这样可以在很大程度上减少污染物的排放，每年减少的污染物排放将不计其数。
加强教育，树立绿色观念。政府、各企事业单位、学校加强对人民群众的思想教育，从根本上改善污染问题。
第一次训练题目：大气污染质量评价及预测
建立空气质量监测机制，落实国家的环境保护政策。政府及环境监测部门应该建立积极有效的空气质量检测机制。遇到突发状况能够及时处理，平时能够维持空气质量平稳；各企事业单位的领导要落实国家的环境保护政策，不要贪图一时利益而葬送了子孙后代的幸福。政府、检测部门要与各企事业单位密切联系，共同商讨空气质量问题。
作为学生我们也会为我们生活的家园贡献自己的一份力量，希望各位领导能够采纳我们的意见，一起保护我们的家园。 此致
敬礼
西安电子科技大学学生 2011/8/11
六， 模型评价
一、层次分析（AHP）模型 该模型具有以下优点：
基于大量数据的层次分析具有更强的系统性，使得复杂的排序问题简化为求各层次权重问题；更令人信服，在数据处理上运用按日API计算，使结果更加精确，可以很清晰的看到各个层次与想要结果的关联关系；现对于其他评价模型，该模型简单易行。 该模型具有以下缺点：
AHP模型只能从现有的数据中得出较好的方案，不具有灵活性，不具有发展意义，随着空气质量的变化可能排名会有变化，但是由此模型计算出的结果不会体现出发展的趋势。 二、时间序列模型 该模型具有以下优点：
兼顾了规律性与随机性，能较为完整地反映实际情况。利用时间序列，只需一类数据样本，就可以通过该样本的历史数据对其未来一段时间的变化很好地作出预测。
该模型具有以下缺点：
对数据检验要求高，ARIMA阶数确定的较为繁琐。 三、多元线性回归模型 该模型具有以下优点：
该模型用最简单的方法快捷有效的获得了空气质量各因素与大气压强、温度、湿度和地面平均风速之间的关系。 该模型具有以下缺点：
对某些特殊数据处理没有大到最好的效果。
七， 参考文献
[1]韩中庚著 《数学建模方法及其应用（第二版）》 北京：高等教育出版社2009.6(2010重印)
[2] 甘德（Gander，W.），赫比克（Hrebicek，J.著）；刘来福等译 《用Maple和MATLAB解决科学计算问题（第三版）》 北京：高等教育出版社 ;海德堡：施普林格出版社 1999.5
第一次训练题目：大气污染质量评价及预测
[3] （德）夸特罗尼，（德）色拉瑞著；李敏波译 《MATLAB科学计算》 北京：清华大学出版社 2005.1
[4] 胡琳, 林杨, 何晓媛. 基于API 方法的西安城市大气环 境质量评价[ J] . 陕西气象, 2007( 1) : 18- 20.
八， 附录
时间序列模型中其他数据： 预测数据汇总：
第一次训练题目：大气污染质量评价及预测
多元线性回归模型中其他城市的结果（SPSS图表）
B城市空气质量与气象参数之间的关系（SO2、NO2、PM10顺序）：
3月——10月
SO2：
模型汇总 标准 估计的误模型 1 R .145 aR 方 .021 调整 R 方 .015 差 .05586 a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。 Anova 模型 1 回归 残差 总计 平方和 .044 2.047 2.091 df 4 656 660 均方 .011 .003 F 3.540 Sig. .007 ab a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。 b. 因变量: VAR00008
第一次训练题目：大气污染质量评价及预测
系数 非标准化系数 模型 1 (常量) VAR00001 VAR00002 VAR00003 VAR00004 a. 因变量: VAR00008 B -.072 .000 .000 .000 .009 标准 误差 .288 .000 .000 .000 .003 标准系数 试用版 t -.250 .014 .059 .056 .132 .342 1.495 1.367 3.304 Sig. .803 .733 .135 .172 .001 a
NO2： 模型汇总 标准 估计的误模型 1 R .219 aR 方 .048 调整 R 方 .042 差 .01598 a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, b.VAR00003。 Anova 模型 1 回归 残差 总计 平方和 .008 .168 .176 df 4 656 660 均方 .002 .000 F 8.251 Sig. .000 ab a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。 b. 因变量: VAR00009