机场空气质量预测分析

机场空气质量预测分析

郝特

杭州萧山国际机场有限公司    311207

摘   要：随着我国航空事业的飞速发展，民用航空业也在蓬勃前进。在近几年巨大的民用航班量的背后，由于民用航空器空气污染物排放所引发的空气质量问题值得考虑并解决。在解决民航空气污染问题之前，就需要对民用客机的空气污染物排放进行有效的预测。本文从民航客机的污染物排放开始，针对不同的民航机型以及发动机类型给出其污染物排放量的计算；由排放污染物的量进一步进行预测。通过准确的拟合对未来期望污染对象的排放做出精确的预测，在空气质量提高方面具有切合实际的意义。

关键词：机场，空气质量，预测分析

空气质量(Air quality)的高低取决于了空气中污染程度大小，而空气质量好坏程度则是根据空气中污染物浓度的高低来进行判断的。在本文中，可用空气质量指数(AQI)来对大气环境质量状况评价分析，空气质量指数AQI的数值表示范围为0-500。可通过空气质量指数大小非常直观地判断出某地区空气质量是否健康。

AQI计算公式如下：

（1.1）

其中，I表示空气质量指数(AQI)，C表示该污染物浓度，，表示该污染物浓度限值，，表示AQI限值。根据（1.1）计算公式，就可计算出主要空气污染物的空气质量指数值，此外，将计算出的各个空气污染物的空气质量指数值进行对比之后，取其中空气质量指数最大值的污染物对象就称为首要污染物。

民用航空器在滑行，起飞阶段污染物的排放量可以用排放指数（即单位燃料排放出的污染物量的大小）为标准来进行计算。对于各类型号航空器以及发动机在LTO阶段污染排放量，可以用以下公式进行估算：

（1.2）

式中，表示型飞机的类污染物(如NOx、CO或HC)的排放(g)。表示污染物在型飞机上的每个发动机的模式(起飞、爬升、滑行和进近)排放指数(g/kg)。表示燃油流量(kg/秒)，适用于模式，适用于在型飞机上所使用的每台发动机。表示型飞机模式的时间模态(min)。表示型飞机使用的发动机数量。

民用航空器在污染排放中非挥发性颗粒物的对于航空器排放的颗粒物污染物，可以根据ICAO数据库的数据计算出颗粒污染物的质量EI（单位体积污染物质量）。

计算航空器发动机在LTO阶段的颗粒污染物的质量大小的公式为：

                              （1.3）

其中，EI代表单位体积污染物质量；代表单位重量燃油所产生的污染物排放体积；代表单位污染物体积下所能产生的非挥发性颗粒物污染物的质量大小。

首先计算出单位体积污染物的质量：

                 （1.4）

SN：排烟度，ICAO附件16实验测出并计算得到[1]。

其次是计算单位重量燃油的污染物排放体积（Q）：

               （1.5）

式中，指空燃比，g/kg；指发动机外涵道与内涵道空气流量的比值。计算出式（1.4）和（1.5）的值后，再以式（1.3）可计算出民用航空器在LTO阶段所排放的非挥发性颗粒物的质量。

对于机场空气质量的预测，由于研究分析对象的数据存在比较大的不确定性，而传统的数学公式对线性的过程有准确的预测，对于不确定的诸多对象用数学方法很难用一个比较清楚的数学公式来描述并预测；但可以利用过去和现在已有的数据样本进行分析预测。

本文所研究的对象为空气质量，研究对象所受影响因素为多种且比较随机，所以采用的方法模型为ARIMA模型。ARIMA模型由自回归，差分以及移动平均三种模型构成。其中，自回归模型利用过去已知时间序列对可预测部分进行建模，即是对过去特定的项目进行线性回归，式（2.1）为自回归模型计算公式：

（2.1）

移动平均模型是对已知原时间序列随机波动部分进行建模，即是对过去已知q个预测误差波动项目进行线性回归，式（2.2）为移动平均模型计算公式：

（2.2）

将（2.1）和（2.2）两式结合可得自回归移动平均模型（ARIMA）：

（2.3）

非平稳过程可通过差分成为平稳过程；如是一个其次非平稳过程，则有是一个平稳过程，表示差分的阶。将(2.1)(2.2)(2.3)式结合在一个模型中，就成为ARIMA(p,d,q)模型：

（2.4）

对不平稳的原始数据，需要对其进行差分，在得到一个比较平稳的时间序列后，就得到式中的d值、p和q的值可用时间序列的自相关函数和偏自相关函数确定。

ARIMA模型常用于时间序列需求的预测及规划等的预测工作。原始的ARIMA（p,d,q）模型，其中参数d代表差分阶数，ARIMA模型只适用于平稳序列，因此可通过一阶或二阶差分对原始时间序列进行差分，以期待得到一个平稳的原始时间序列；参数p为自回归项，可通过p值来反映时间序列的波动性；参数q为移动平均模型中的移动平均项数。

在得到原始时间序列后，首先进行时间序列的平稳性检验。在原始数据不平稳的情况下，可以对其进行一阶差分、二阶差分...然后观察差分后的序列是否平稳。ARIMA模型中要求时间序列是呈现出平稳性的；因此，就需要对数据进行n阶差分检验，最为常见的就是ADF检验，即单位根检验。

鉴于国内航空业的迅速发展，以及当下人们对于环境的重视。在发展民航业同时，做好空气环境这方面的工作是势在必行的。此外，将来的预测工作还应对预测工作的精度进一步提高，借以对机场空气质量的提高做出更好的贡献。随着我国的民航业发展，对于空气质量预测，可开发出相关方面的软件或对于空气污染物排放进行更加细致精确的监测，如此将会对我国的民航业发展产生更加深远的意义。

[参考文献]

[1] International Civil Aviation Organization (ICAO). International Standards and Recommended

Practices Annex 16 [S]. Canada，2003.

[2] 李燕婷,张宏伟,任宏,陈健,王晔.上海市流感样病例发病趋势的时间序列分析和预测模型研究[J].中华预防医学杂志,2007,41(06):496-498.

1