当前位置: 首页 > news >正文

网站的报价怎么做seo培训中心

网站的报价怎么做,seo培训中心,.org做商业网站,网站专题制作流程1. 研究背景及意义 近年来,随着我国科技和经济高速发展,人们生活质量也随之显著提高。但是, 环境污染问题也日趋严重,给人们的生活质量和社会生产的各个方面都造成了许多不 利的影响。空气污染作为环境污染主要方面,更…

1. 研究背景及意义

近年来,随着我国科技和经济高速发展,人们生活质量也随之显著提高。但是, 环境污染问题也日趋严重,给人们的生活质量和社会生产的各个方面都造成了许多不 利的影响。空气污染作为环境污染主要方面,更是严重危害着人们身体健康,为有效地改善人们生活环境,开展大气污染防治工作刻不容缓。

空气污染影响因素有很多,如工厂废气、汽车尾气的排放等。除此之外,不同的 地理区域对于空气污染也有着不同的影响,例如冬季北方的空气质量普遍较差等。现研究中对于空气污染状况的衡量指标有两类,分别是单个指标和综合指标。单个指标包括PM2.5,PM10,CO,SO2,NO2,O3六种污染物。综合指标有空气污染指标(API) 和空气质量指标(AQI)。API只统计了NO2,PM10,SO2三种污染物,而AQI是统计 了六种污染物,相比较API可以更为准确地概述空气质量状况。

2.研究现状

关于空气质量指数的影响因素,直观上是空气中六种污染物浓度。但是空气污染 是一个复杂的现象,污染物浓度的变化会受到许多因素的影响。一方面是污染物排放 影响,如车辆尾气排放,工业生产中废气排放,垃圾焚烧和居民取暖等。另一方面受 当地地形地貌、人口发展密度及气象条件等影响。相关因素对空气质量影响强度的评估也有许多方法,最常见的有图表相关分析,协方差及协方差矩阵,相关系数及互信 息数等等。....

3.本文数据介绍

本文所运用到的数据来源于全球暖化数据集中世界主要国家空气污染指数表(年)的数据,本文主要是针对芬兰的空气污染指数进行分析和预测,在处理数据时,将特征进行了筛选,最终选择了氮氧化物、PM2.5、PM10等特征,原始数据展示如下:

代码加数据

4.数据展示和模型构建

首先,读取数据,查看数据属性:

library(openxlsx)
# 文件名+sheet的序号
KQWR_data<- read.xlsx("芬兰空气污染.xlsx", sheet = 1)
View(KQWR_data)KQWR_datasummary(KQWR_data)#####描述性统计分析

从图三可以看出,对数据进行了描述性统计,其中氮氧化物的最小值为53.01,最大值为130.93,PM2.5的最小值为55.82,最大值为175.44,PM10指数的最小值为58.25,最大值为175.44。接下来分别画出指标的条形图

###氮氧化物
KQWR_Emi<-KQWR_data$EmiIndex_2000
KQWR_Emi
barplot(KQWR_Emi,xlab="年份",ylab="排放指数",col="pink",main="氮氧化物排放指数",border="blue")

从上面三个指标的条形图可以看出,氮氧化物、PM2.5以及PM10随着时间的变化但是在逐步下降,这也归功于世界各地的节能减排措施的执行,虽然PM2.5和PM10在后几年有小幅的上升但是总体趋势还是逐渐下降的。随后画出氮氧化物的时序图,如下:

###氧化物时间序列图
KQWR_Emi
TS_KQWR_Emi<-ts(KQWR_data$EmiIndex_2000,start=c(1990),frequency=1)
TS_KQWR_Emi
plot(TS_KQWR_Emi,type="o",pch=20,main="时间序列图",xlab = "年份/Y",ylab="气温",col = "yellow")

在可视化之后,随后进行模型的构建,但是在构建模型之前,还需要对序列数据进行纯随机性检验,具体结果如下: 

画出该序列的自相关和偏自相关图

随后进行ADF检验

#ADF检验
library(aTSA)
adf.test((TS_KQWR_Emi)) 

随后进行定阶处理,下面进行自动定阶的函数,计算得到模型应该采用ARIMA(0,1,1),拟合得到模型系数

随后查看序列的正态分布情况:

下面进行模型的残差检验:

###残差检验
Box.test(TS_KQWR_Emi.fit $residuals,type = "Ljung-Box")

从残差结果显示,P值为0.8188,显然大于0.05,故在显著性水平5%下,没有理由拒绝原假设。说明残差是白噪声。接下来进行最终的预测,本文预测h=5,表明预测5年芬兰的空气污染指数(氮氧化物)的污染指数,具体结果如下:

5.结论

本文对数据进行了预处理以及相关分析。首先,对数据进行了数据指标的整合处理,保证模型可以更好地对数据进行学习。其次,对原始数据进行可视化并分析其趋势,随后在建模前进行相应的检验工作,最终进行建模分析,发现RIMA模型对于单一序列的线性拟合效果较好.....

本文报告和数据加代码

报告(英文版)加代码(英文版)加数据

创作不易,希望大家多多点赞收藏和评论!

http://www.hrbkazy.com/news/18625.html

相关文章:

  • 组合wordpress源码苏州seo关键词优化推广
  • 如何做网站需求表格清单百度云搜索入口
  • 海南所有的网站建设类公司seo推广怎么学
  • 怎样把网站建设在国外小红书关键词排名优化
  • 石家庄做网站哪家好广州网站制作实力乐云seo
  • 购买域名之后怎么做网站淘宝推广费用一般多少
  • 设计网站页面特效怎么做宁波网站制作优化服务
  • wap医院网站建设武汉关键词包年推广
  • 香港特别行政区成立时间福州百度seo代理
  • ps做图软件怎么下载网站厦门人才网唯一官网
  • 网站开发 渠道seo网站优化教程
  • 企业网站管理系统 源码国际机票搜索量大涨
  • 政务门户网站建设的意义英文seo推广
  • 做营销网站设计百度关键词排名点击器
  • 北京通州区住房和城乡建设委员会网站百度排行榜前十名
  • 怎么做网站百度经验seo工作怎么样
  • 怎么在网站中添加百度商桥东莞做网站推广
  • 手机怎么访问微网站网站点击量查询
  • 做商业网站的服务费维护费企业管理培训机构排名前十
  • 专门做蛋糕视频的网站今天重大新闻头条新闻军事
  • 晋州有做网站的吗衡阳seo服务
  • 前端做网站的步骤十大室内设计网站
  • 网站做访问追踪常州网站建设优化
  • 会员网站开发seo网站优化外包
  • wordpress访问文件夹网站seo优化推广外包
  • 学校网站的作用seo兼职招聘
  • 学院网站开发竞争对手分析网络营销渠道
  • 有关php动态网站建设的图片百度搜索热词查询
  • 网上建立公司网站谷歌浏览器网页
  • 网站为什么要seo发外链的平台有哪些