徐 东，杨晓芳

(成都师范学院 数学学院，成都 611130)

0 引言

PM2.5[1]指环境空气中空气动力学当量直径小于等于2.5 μm的颗粒物，它因为质量较轻，体积很小，极易依附于其他物质，并且能够长时间存在于大气之中，细颗粒物凭借体积小和易于随空气扩散的特性可以轻松进入人体呼吸道深处，给人体带来极大危害[2,3]。不少研究者对城市PM2.5的问题进行了定量与定性研究，文献[3]对蚌埠地区每日的AQI指数和AQI六项基本监测指标进行定量分析，本研究利用回归模型预测成都市PM2.5的变化趋势。

1 研究内容

1.1 研究思路

尝试完成各组数据相应的散点图，用肉眼可以大致判断出影响权重，利用数据拟合，找到有说服力的模型，修正模型，对未来成都的PM2.5进行预测。

1.2 研究路径实施

以成都市2019年全年的PM2.5、气温、可吸入颗粒物PM10和一氧化碳CO的基本监测指标数据为基础，利用MATLAB分析PM2.5与其他几组数据的关系，使用多元线性回归模型，用Y来表示被解释变量PM2.5，用X1、X2、X3分别来表示变量温度、PM10和CO，各变量的向量形式为：

此模型拟将e称为残量或余差量，在整个项目运行中用来表示被解释变量的具体取值Y与被预估值X之间的差值变向量。

为建立相关的多元线性回归模型，解释变量的选择极其关键。计量经济学中，通常利用经济学相关意义来选择需要解释的变量，如果满足计量经济学的使用要求，还要继续对模型的变量进行显著性检验，使目标的末端停止在目的解释变量。因此，利用MATLAB对PM2.5与温度、PM10、CO三项分指标做相关回归分析，得到各自对应回归系数的估值和它们对应的置信区间。……