《表4 2014—2017年不同污染物的非线性回归方程》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《大气污染物非线性回归模型构建》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：Y为因变量，对应于当天的污染指数；Lag(Y0）为前一日的污染指数，可一定程度上表征污染源排放的输入；U为地面风速（m/s），表征水平扩散因子；H为混合层高（m），表征垂向扩散因子；Rain为日降水时数（h），表征降水的净化作用；E为水汽压（hPa），表征对污染物一定的吸收

根据式（1），采用非线性回归过程建立混合模型，非线性回归过程采用Levenberg-Marquardt迭代算法。进行迭代计算时，首先根据经验和大量的试运算，估计各未知待定系数的初始取值，然后按照上述叠加模型构建迭代方程进行迭代，当相邻两次迭代方程的残差平方和差值不大于1×10-8时，停止迭代计算，输出结果方程。基于以上统计原理，将2014—2017年4年作为一个整体进行非线性回归分析，计算结果见表4。各非线性回归方程均能较好地拟合观测数据，所有结果均通过显著性检验，反映实测值与拟合值的线性相关性非常好（除少数离散点外）。