基于ARIMA模型的PM2.5预测

• 作者: 彭斯俊 朱雪 沈加超
• 来源期刊: 安全与环境工程
• 学科: 地球科学
• 关键词: PM2.5 时间序列 ARIMA模型 预测
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 环境质量评价与环境监测
• 页码范围: 125-128
• 页数: 4页
• 分类号: X823
• 字数: 3464字
• 语种: 中文

摘要

PM2.5的精确预测是大气污染评价和治理的关键性工作.本文针对PM2.5浓度变化的时间序列分布特征,结合环境监测站提供的相关数据,应用自回归移动平均模型(ARIMA(p,d,q))预测短期PM2.5的日平均浓度.结果表明:由于PM2.5浓度变化受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,不同时段内的变化模式存在巨大差异,因此采用分时段序列预测模型可以提高PM2.5的预测精度;通过将分时段序列模型与灰色GM(1,1)模型和全年时间序列模型的预测结果进行对比,发现该模型预测效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭斯俊	武汉理工大学理学院	17	145	6.0	11.0
2	朱雪	武汉理工大学理学院	4	48	1.0	4.0
3	沈加超	武汉理工大学理学院	3	47	1.0	3.0