基于ARIMA模型的PM2.5的预测

详细信息    查看全文 | 下载全文 | 推荐本文 |

• 作者：沈加超彭斯俊朱雪
• 会议时间：2014-05-14
• 关键词：大气监测 ; 可吸入悬浮细颗粒物 ; 自回归移动平均模型 ; 效果评估
• 作者单位：武汉理工大学 理学院,湖北 武汉430070
• 母体文献：2014年大气环境监测技术及其应用国际研讨会论文集
• 会议名称：2014年大气环境监测技术及其应用国际研讨会
• 会议地点：北京
• 主办单位：中国宇航学会
• 语种：chi

摘要

本文应用ARIMA(p,d,q)(自回归移动平均模型)预测短期PM2.5的日平均浓度.由于PM2.5污染物浓度受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,随时间变化大,因此采用分时段预测模型以提高预测精度.通过与灰色预测模型和全年时间序列模型进行对比,发现该模型预测效果更好.