2. Data and Methods2.1. Data Descri

2. Data and Methods
2.1. Data Description
The study is based on the data of the API reporting in
Shanghai, which is published on the website of Shanghai
Environment Monitoring Center(http://www.semc.com.cn/). Due
to the instrument calibration and maintenance, API data were lost
for 3 days in 1998. For the missing data may affect the quantitative
results of time–scaling analysis, so they were estimated by the
arithmetic mean API value of the previous day and next day. We
have used daily pollution indices data from July 1st (1998) to June
30th (2012). Set the data of July 1st, 1998 as case No. 1, then set the
data of July 2nd, 1998 as No. 2, and accordingly set the data of June
30th, 2012 as No. 5 113 in API time series. So, the length of time
series was N=5 113.
Moreover, other factors like time series length, edge effect and
noise may also impact time–scaling property. To eliminate the
boundary effect, the data were extended by cycle method (Faiman
and Horovitz, 1996; Chavanne and Gallup, 1998). The method
works on the hypothesis that a natural time series is a combination
of both a low–dimensional dynamical system and a high–
dimensional (random) noise. Unlike linear filters, nonlinear ones
only remove those noisy data points. Those points can be then
replaced by estimates computed from a nonlinear interpolation
process (Jazwinski, 1970; Harvey, 1989). The Matlab 7.8 and R
softwares were adopted to accomplish the calculations.
Figure 1 represents the daily APIs and the pollution indices of
PM10, NO2 and SO2 from July 1st (1998) to June 30th (2012). The
normalization in Figure 1, according to some concerned researches
show that PM10 is the primary pollutant compared with others for
the air pollution in Shanghai (Wang and Zhang, 2007; Shi, 2008;
Yang et al., 2008). Therefore, APIs are very similar to PM10. Due to
the needs of the development of economy and traffic, NO2
emissions are still increasing with a record high. Since March 1,
2003, Chinese Government implemented stricter vehicle emission
standards [(Limits and measurement methods for emissions from
light–duty vehicles (II) and Limits and measurement methods for
exhaust pollutants from compression ignition and gas fuelled
positive ignition engines of vehicles (China I)] to strengthen the
motor vehicle pollution management, which made the index of
NO2 was decreased.
Figure 1. The daily APIs and pollution indices of PM10, NO2 and SO2 in
Shanghai, from July 1998 to June 2012. The data lengths all are 5 113
days.
2.2. Methods
Detrended fluctuation analysis. The detrended fluctuation analysis
(DFA) was proposed by Peng et al. (1994), which is an advanced
method for determining the scaling behavior of data in the
presence of possible trends without knowing their origin. The
methodology operates on the pollution indices, {x (t), t=1, 2,…, N},
where N is the length of the series. x is the average value of the
original time series.
The series is first integrated as follows:

ผลลัพธ์ (ไทย) 1:

2. ข้อมูลและวิธีการ2.1 คำอธิบายข้อมูลการศึกษาตามข้อมูลของรายงาน API ในเซี่ยงไฮ้ ที่เผยแพร่บนเว็บไซต์ของเซี่ยงไฮ้ศูนย์การตรวจสอบสภาพแวดล้อม (ส่วน http://www.semc.com.cn/) ครบกำหนดบำรุงรักษาและสอบเทียบเครื่องมือวัด API ข้อมูลสูญหายวันที่ 3 ในปี 1998 สำหรับข้อมูลที่ขาดหายไปอาจมีผลต่อการเชิงปริมาณผลของเวลา – มาตราส่วนวิเคราะห์ ดังนั้นพวกเขาถูกประเมินโดยการค่าเฉลี่ยเลขคณิต API ของวันก่อนหน้าและวันถัดไป เราใช้ทุกวันมลพิษดัชนีข้อมูลตั้งแต่ 1 กรกฎาคม (1998) ถึงเดือนมิถุนายนวันที่ 30 (2012) ตั้งค่าข้อมูลของ 1 กรกฎาคม 1998 เป็นกรณีหมายเลข 1 แล้วตั้งข้อมูลเมื่อ 2 กรกฎาคม 1998 เป็นหมายเลข 2 และตาม ข้อมูลของเดือนมิถุนายน2012, 30 เป็น 113 5 หมายเลขในชุดเวลา API ดังนั้น ระยะเวลาลำดับ N = 5 113นอกจากนี้ ปัจจัยอื่น ๆ เช่นเวลาชุดยาว ลักษณะขอบ และเสียงยังอาจส่งผลกระทบต่อคุณสมบัติ – มาตราส่วนเวลา การกำจัดการขอบเขตผล ข้อมูลถูกขยาย ด้วยวงจรวิธี (Faimanและ Horovitz, 1996 Chavanne ก Gallup, 1998) วิธีการบนสมมติฐานที่ว่าชุดธรรมชาติเวลาชุดการทำงานทั้งระบบ dynamical มิติ – ต่ำและสูงเป็น –มิติเสียงรบกวน (สุ่ม) ซึ่งแตกต่างจากตัวกรองเชิงเส้น คนไม่เชิงเส้นลบจุดคะข้อมูลเหล่านั้น สถานที่ดำเนินได้แล้วแทนที่ โดยประมาณที่คำนวณจากการแทรกแทรงไม่เชิงเส้นกระบวนการ (Jazwinski, 1970 ฮาร์วี่ 1989) Matlab 7.8 และ Rซอฟต์แวร์ถูกนำไปทำการคำนวณรูปที่ 1 แสดง APIs วันและดัชนีมลพิษของPM10, NO2 และ SO2 จาก 1 กรกฎาคม (1998) การ 30 มิถุนายน (2012) ที่ฟื้นฟูในรูป 1 ตามบางงานวิจัยที่เกี่ยวข้องแสดงว่า PM10 มลพิษหลักที่เปรียบเทียบกับผู้อื่นในมลพิษทางอากาศในเซี่ยงไฮ้ (วังและเตียว 2007 ชิ 2008ยาง et al., 2008) ดังนั้น APIs จะคล้ายกับ PM10 เนื่องความต้องการของการพัฒนาเศรษฐกิจและการจราจร NO2ยังคงปล่อยกำลังเพิ่มระเบียนสูงขึ้น ตั้งแต่ 1 มีนาคม2003 รัฐบาลจีนดำเนินการเข้มงวดรถมลพิษมาตรฐาน [(ขีดจำกัดและวิธีวัดการปล่อยก๊าซเรือนกระจกจากแสง – ภาษียานพาหนะ (II) และขีดจำกัดและวิธีวัดสารมลพิษไอเสียจากการจุดระเบิดการบีบอัดและก๊าซที่เติมพลังเครื่องยนต์จุดระเบิดบวกของยานพาหนะ (จีนฉัน)] เพื่อเสริมสร้างการรถยนต์มลพิษจัดการ การทำดัชนีของมีการลดลง NO2รูปที่ 1 APIs วันและดัชนีมลพิษ PM10, NO2 และ SO2 ในเซี่ยงไฮ้ จากปี 1998 กรกฎาคมมิถุนายน 2555 ความยาวข้อมูลทั้งหมด 5 113วันนั้น2.2 วิธีการวิเคราะห์ความผันผวน detrended การวิเคราะห์ความผันผวน detrended(DFA) ถูกเสนอโดย Peng et al. (1994), ซึ่งเป็นขั้นสูงวิธีการกำหนดลักษณะการทำงานมาตราส่วนของข้อมูลในการแสดงแนวโน้มที่เป็นไปได้โดยไม่ทราบจุดเริ่มต้นของพวกเขา ที่วิธีการทำงานบนดัชนีมลพิษ, { x (t), t = 1, 2,..., N },โดยที่ N คือ ความยาวของชุด x คือ ค่าเฉลี่ยของการชุดเวลาเดิมชุดถูกรวมครั้งแรกเป็นดังนี้: