1.1课题研究的目的及意义

在近几年的新闻报道中，PM_2.5已经成为民众耳熟能详的词汇，社会各界对于PM_2.5的关注度已经达到了一个高点，PM_2.5污染也已经成为了社会无法忽略的一个重要问题。

PM_2.5主要是指环境空气中，空气动力学当量小于等于2.5μm的颗粒浓度。PM_2.5能够在大气中长时间停留，并且极易扩散。已有研究证明，长时间待在具有较高浓度的PM_2.5的空气中，人体会受到不同程度的危害。及时对PM_2.5浓度进行评估预警，能够有效帮助人们进行合理防范，维护人们身体健康和生活质量。

1.2国内外研究现状

对于PM_2.5的检测以及监管已经成为全社会的一个重要课题。Bove MC等人将天气数据等矩阵因子化建立了大型数据库，并采用颗粒物源分配技术，对同期颗粒物源配情况进行了评估，融合两种方法对PM_2.5的组成和来源进行了阐述。LIPPMANN M通过研究长期暴露于PM_2.5对心血管疾病的影响，来分析研究国家颗粒毒性成分对于人体的危害。GUERRA S A等人已经开发出基于综合空气质量模型的空气弥漫模型，利用二氧化硫和氮氧化物有的低效率来解释PM_2.5的形成，通过对四类排放此类颗粒物的工厂进行了数据收集和结果评估，验证了该模型的有效性。Jin Li等人利用月均值比较卫星气溶胶光学深度与PM_2.5的大尺度时空变异性，开发出结合最大协方差分析的光谱分析技术来对PM_2.5进行测定。Zou B等人用基于稀疏观测输入的径向基函数的神经网络方法，采用均方误差、平均值误差等统计指标对模型的性能进行评估，得到更好的预测结果。余辉等人建立了PM_2.5小时浓度预测的多元时间序列模型，已解决先前模型对于训练数据的依赖问题，并提出在模型预测进度超过标准是对迷行进行实时更新。刘琳等人借助普通最小二乘法分析影响因子之间的多重相关性，基于PM_2.5前提污染物和各类气象因子的偏最小二乘法构建PM_2.5的评估模型，分析出与PM_2.5浓度相关的因子。曾沛等人用page检验分析了PM_2.5近年来的变化趋势，建立了差分自回归移动平均模型对PM_2.5日浓度数据进行了分析预测，并导入了带时间序列误差的回归模型和波动率方程进行模型的优化。魏薇等人建立了基于高斯模型的PM_2.5扩散预测模型，并运用气象及风场变化对模型进行了优化，以哈尔滨市PM_2.5浓度数据进行了验证。

2. 研究的基本内容与方案

见附件。

[1] 刘琳，张正勇，刘芬，等．天山北坡经济带城市 PM 2. 5 质量浓度时空分布及模拟分析［J］．环境科学研究，2018，31(11):1849-1857．

[2] LIPPMANN M． Toxicological and epidemiological studies of cardiovascular effects of ambientair fine particulate matter(PM 2.5) and its chemical components: coherence andpublic health implications［J］．CriticalReviews in Toxicology，2014，44(4):299-347．

[3] BOVE M C，BROTTO P，CASSOLA F，et al．Anintegrated PM 2.5 source apportionment study: positive matrix factorization vs． the chemical transport model CAMx［J］．Atmospheric Environment，2014，94(9):274-286．

[4] GUERRA S A，OLSEN S R，ANDERSON J J．Evaluation of the SO2 and NOxoffset ratio method to account for secondary PM2.5 formation［J］．Journal of the Air ＆ Waste Management Association，2014，64(3):265-271．