基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过分析北京古城2014年4月8日至7月14日连续14周污染指标PM10的监测数据,运用时间序列分析方法,借助SPSS软件对未来2周即2014年7月15—28日空气污染物变化情况进行了预测。通过Ljung-Box Q检验以及拟合统计量R2说明ARIMA模型预测效果很好,能用来对未来空气污染物的变化规律进行很好的描述,具有推广价值。
推荐文章
基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型
大气颗粒物
预测模型
BP人工神经网络
气象要素
气体污染物
济宁市大气中PM2.5与PM10变化特征分析
气溶胶
PM2.5
PM10
相关性
基于单点观测的TSP与PM10中铅的特性研究
TSP
PM10
Pb
污染特征
生物有效性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于ARIMA模型的PM10的预测与分析
来源期刊 农业灾害研究 学科 地球科学
关键词 空气质量 时间序列分析 SPSS ARIMA模型
年,卷(期) 2015,(7) 所属期刊栏目 农业气象与环境灾害
研究方向 页码范围 34-35,39
页数 3页 分类号 X823
字数 1266字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 冀德刚 河北农业大学理学院数学系 26 71 5.0 7.0
2 王明毅 河北农业大学理学院数学系 3 5 2.0 2.0
3 杨宁 河北农业大学理学院数学系 5 25 2.0 5.0
4 李双金 河北农业大学现代科技学院 3 21 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (210)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
空气质量
时间序列分析
SPSS
ARIMA模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业灾害研究
双月刊
2095-3305
36-1317/S
16开
安徽省合肥市农科南路40号(安徽省农科院科研楼6号楼东)
2011
chi
出版文献量(篇)
2937
总下载数(次)
9
论文1v1指导