空气质量相关性分析

corrcoef

x=linspace(0,10);
y=x+rand(size(x));
scatter(x,y)
h=lsline;
set(h,‘LineWidth‘,3,‘LineStyle‘,‘--‘,‘Color‘,[1 0 1])

pm10=[352,179,383,463,670,451,426,302,566]
pm25=[251,93,189,262,427,284,264,177,346]
plot(pm10,pm25,‘+‘);//绘出散点图
lsline;//根据散点图绘出直线
a=corrcoef(pm10,pm25);//获取相关系数矩阵
s=[‘pm10‘,‘pm25‘]
text(pm10,pm25,s);//在线上加标注
title(‘pm10、pm25相关性分析‘);
legend(‘pm10‘,‘pm25‘);
xlabel(‘PM10(ug/m3)‘);
ylabel(‘PM2.5(ug/m3)‘);
grid;//添加网格
axis square;//坐标轴成正方形
--------------------------------------------
pm10=[352,179,383,463,670,451,426,302,566]
pm25=[251,93,189,262,427,284,264,177,346]
plot(pm10,pm25,‘+‘);
lsline;
a=corrcoef(pm10,pm25);
s=[‘pm10‘,‘pm25‘]
title(‘PM10、PM2.5相关性分析‘);
xlabel(‘PM10(ug/m3)‘);
ylabel(‘PM2.5(ug/m3)‘);
grid;
---------------------------------------------
NOx=[141,205,183,334,444,375,248,213,322,493]
NO=[51,90,71,144,206,155,94,87,140,230]
plot(NOx,NO,‘*‘);
lsline;
a=corrcoef(NOx,NO);
str=sprintf(‘%0.5g‘,a(2));
disp(str);
text(213,140,str);

title(‘NOx、NO相关性分析‘);
xlabel(‘NOx(ug/m3)‘);
ylabel(‘NO(ug/m3)‘);
grid;
---------------------------------------
O3=[15,12,9,2,2,2,1,2,4,6]
NOx=[141,205,183,334,444,375,248,213,322,493]
a=368.09;
b=-0.219;
y=a*power(x,b);
plot(O3,NOx,‘*‘,x,y,‘r‘);
a=corrcoef(O3,NOx);
str=sprintf(‘%0.5g‘,a(2));
disp(str);
text(213,140,str);

title(‘O3、NOx相关性分析‘);
xlabel(‘O3(ug/m3)‘);
ylabel(‘NOx(ug/m3)‘);
grid;
-------------
O3=[15,12,9,2,2,2,1,2,4,6]
NOx=[141,205,183,334,444,375,248,213,322,493]
plot(O3,NOx,‘*‘);
a=368.09;
b=-0.219;
y=a*power(x,b);
plot(x,y,‘r‘);
a=corrcoef(O3,NOx);
str=sprintf(‘%0.5g‘,a(2));
disp(str);
text(213,140,str);

title(‘O3、NOx相关性分析‘);
xlabel(‘O3(ug/m3)‘);
ylabel(‘NOx(ug/m3)‘);
grid;
------------------------------------
NOx=[141,205,183,334,444,375,248,213,322,493]
NO2=[66,70,77,119,137,144,107,84,114,148]
plot(NOx,NO2,‘*‘);
lsline;
a=corrcoef(NOx,NO2);
title(‘NOx、NO2相关性分析‘);
xlabel(‘NOx(ug/m3)‘);
ylabel(‘NO2(ug/m3)‘);
grid;

时间: 2024-10-17 08:04:59

空气质量相关性分析的相关文章

中国空气质量分析

由于不懂如何自律,中国人现在享受经济发展的同时却需要担心空气.水.食品等必需品.特别是空气问题,促成了口罩与空气滤清器等行业,却也极大影响了人们的工作生活.在这么下去最火的乐队绝对是Air Supply了,没有之一. 抱怨之外,让我们看看能不能从数据的角度分析一下空气质量及其成因. 首先非常感谢PM25.in网站提供的空气质量API,以至于我们可以轮询并把AQI(空气质量指数)数据储存在数据库里.下图是基于三个月的历史数据而绘制的中国空气质量指数分布图: 柱状图代表了该城市的空气质量,越矮越好.

中国空气质量在线监测分析平台

中国空气质量在线监测分析平台是公益性质的软件平台,提供PM2.5及天气数据的实时查询和历史数据可视化分析,统计挖掘,目前收录了190个城市的PM2.5及天气信息数据,主要包括PM2.5实时查询.历史曲线查询.PM2.5时段统计分析.AQI历年数据分析.PM2.5中国城市排名.PM2.5中国城市分布图.PM2.5中国省份分布图.卫星云图查询.PM2.5城市比较.PM2.5统计排名.PM2.5与天气关联挖掘.PM2.5与经济关联挖掘等功能. 关键词:PM2.5实时查询,PM2.5历史数据,PM2.5

中国空气质量在线监測分析平台

中国空气质量在线监測分析平台是公益性质的软件平台,提供PM2.5及天气数据的实时查询和历史数据可视化分析,统计挖掘,眼下收录了190个城市的PM2.5及天气信息数据,主要包含PM2.5实时查询.历史曲线查询.PM2.5时段统计分析.AQI历年数据分析.PM2.5中国城市排名.PM2.5中国城市分布图.PM2.5中国省份分布图.卫星云图查询.PM2.5城市比較.PM2.5统计排名.PM2.5与天气关联挖掘.PM2.5与经济关联挖掘等功能. 关键词:PM2.5实时查询,PM2.5历史数据,PM2.5

中国空气质量在线监测分析平台之JS加密、JS混淆处理

中国空气质量在线监测分析平台数据爬取分析 页面分析:确定url.请求方式.请求参数.响应数据 1.访问网站首页:https://www.aqistudy.cn/html/city_detail.html,通过抓包工具分析首页请求并没有获取到页面内的数据信息  2.因此可以确定页面内的数据是动态加载的,通过抓包工具捕获加密的响应对象, 3.加密响应对象是通过post请求携带加密的参数发起(2次). 4.综上分析可以确定,动态请求时在搜索按钮触发时发起的,因此通过火狐firefox浏览器分析页面搜索

python获取全国各个城市pm2.5、臭氧等空气质量

随着国家发展,中国很多城市的空气质量其实并不好,国家气象局会有实时统计,但是要去写爬虫爬取是十分麻烦的事情,并且官方网站也会做一些反爬虫措施,所以实现起来比较麻烦,最好的办法就是使用现成的免费接口,空气质量指数分析,这里是笔者自己实现的一个python调用方式,代码如下: # -*- coding: utf-8 -*- # flake8: noqa __author__ = 'wukong' import urllib from urllib import urlencode #配置您申请的ap

DIY 空气质量检测表

DIY 空气质量检测表 前几天逛淘宝看到有空气颗粒物浓度测量的传感器,直接是 3.3V TTL 电压串口输出的,也不贵,也就 100 多一点.觉得挺好就买了个,这两天自己捣鼓了个小程序,搞了个软件界面的空气质量检测表.程序写的很简单,但是感觉这个小软件还是挺实用的,所以就写篇博客,大家用我的代码很容易就自己 DIY 一套. 硬件准备 传感器用的是 攀藤科技 PMS7003M .除了攀藤科技,还有几家这种传感器做的应该也不错,不过我没去用过,也没仔细调研.(之所以用的这家,不过是因为在 newsm

用python+selenium获取北上广深成五地PM2.5数据信息并按空气质量排序

从http://www.pm25.com/shenzhen.html抓取北京,深圳,上海,广州,成都的pm2.5指数,并按照空气质量从优到差排序,保存在txt文档里 #coding=utf-8 from selenium import webdriver from time import sleep class PM: def __init__(self): self.dr = webdriver.Chrome() self.pm25_info = self.get_pm25_info() de

OneNET麒麟座应用开发之十:空气质量数据监测站项目总结

大气质量数据监测站用于测试空气质量监测及数据采集,实现野外或者室内空气质量的检测. 1.项目概述 本项目是一个定制项目,要求采集大气的压力.温度.湿度.PM25.位置等数据并上传到指定的后台服务器.但有时候因为没有条件或因为各种原因不能联网,则采用本地保存的方式,本地保存我们决定使用SD卡来实现.除此外,为了实现显式需求,还需要配套一些东西来实现饮食的需求,如实时时钟记录,上传联网方式的选择等. 2.硬件设计 本项目涉及到的硬件并不复杂,我们对其中几个实用比较多的电路做一个说明.首先说一下串口通

相关性分析方法(Pearson、Spearman)

有时候我们根据需要要研究数据集中某些属性和指定属性的相关性,显然我们可以使用一般的统计学方法解决这个问题,下面简单介绍两种相关性分析方法,不细说具体的方法的过程和原理,只是简单的做个介绍,由于理解可能不是很深刻,望大家谅解. 1.Pearson相关系数  最常用的相关系数,又称积差相关系数,取值-1到1,绝对值越大,说明相关性越强.该系数的计算和检验为参数方法,适用条件如下: (适合做连续变量的相关性分析) (1)两变量呈直线相关关系,如果是曲线相关可能不准确. (2)极端值会对结果造成较大的影