ARIMA模型在苏州市空气质量指数预测中的应用

详细信息    查看全文 | 推荐本文 |

英文篇名：Application of ARIMA model in the prediction of air quality index in Suzhou 作者：王建书 ; 王瑛 ; 赵敏娴 ; 周晓龙 ; 陆颂文 ; 杨海兵 ; 刘强 英文作者：WANG Jianshu;WANG Ying;ZHAO Minxian;ZHOU Xiaolong;LU Songwen;YANG Haibing;LIU Qiang;Suzhou Center for Disease Control and Prevention; 关键词：ARIMA模型 ; 空气质量指数 ; 预测 英文关键词：ARIMA model;;AQI;;Prediction 中文刊名：FBYF 英文刊名：Journal of Public Health and Preventive Medicine 机构：江苏省苏州市疾病预防控制中心; 出版日期：2019-04-30 出版单位：公共卫生与预防医学 年：2019 期：v.30;No.168 基金：苏州市“科教兴卫”青年科技项目(KJXW2017053) 语种：中文; 页：FBYF201902005 页数：3 CN：02 ISSN：42-1734/R 分类号：24-26

摘要

目的借助于自回归积分滑动平均(Autoregressive Integrated Moving Average Model,ARIMA)模型对苏州市空气质量指数进行预测,为空气污染的健康防护预警提供参考。方法运用R软件以苏州市2018年1月1日至12月31日的日空气质量指数为基础,借助于参数估计等筛选最佳的ARIMA模型,以此为基础对苏州市2019年1月1日至1月6日的空气质量指数进行预测,评价其预测效果。结果借助于2018年苏州市日空气质量指数构建了ARIMA(1,1,1)模型,模型的AIC=267.06,Box-Ljung检验的Q统计量为18.558,P=0.775,残差序列为白噪声。空气质量指数的预测值与实际值较为接近,绝对误差的平均值为-7,相对误差的平均值为-4.29%,模型预测效果比较理想。结论 ARIMA(1,1,1)模型能够较为理想的对苏州市空气质量指数进行预测,在空气质量指数预测中具有良好的应用前景。
        Objective To predict the air quality index(AQI) in Suzhou with the application of Autoregressive Integrated Moving Average Model(ARIMA), and provide reference for health protection warnings for air pollution. Methods Based on the daily air quality index of Suzhou City from January 1 to December 31, using R software, the best ARIMA model was selected by means of parameter estimation. On the basis of this, the AQI of Suzhou from January 1 to January 6, 2019 was predicted to evaluate its forecasting effect. Results The ARIMA(1,l,1) model was established based on the daily AQI of 2018, and the AIC of this model was 267.06. Ljung-Box test showed that Q value was 18.558(P=0.775), and the residual sequence was white noise. The prediction results of the AQI accorded well with the actual data. The average absolute error was-7, and the mean relative error was-4.29%. Conclusion The ARIMA(1, l, 1) model ideally predicted the AQI in Suzhou, and it has a good application prospect in the prediction of AQI.

引文

[ 1 ] 中华人民共和国国家环境保护部,中华人民共和国国家质量监督检验检疫总局.GB3095-2012环境空气质量标准[S].北京:中国标准出版社,2012.
    [ 2 ] 中华人民共和国国家环境保护部.HJ 633-2012环境空气质量指数(AQI)技术规定(试行)[S].北京:中国环境科学出版社,2012.
    [ 3 ] 李家琦,王雷,宋媛媛,等.ARIMA模型在湖北省肺结核发病数预测中的应用[J].公共卫生与预防医学,2018,29(5):37-40.
    [ 4 ] 严宙宁,牟敬锋,赵星,等.基于ARIMA模型的深圳市大气PM2.5浓度时间序列预测分析[J].现代预防医学,2018,45(2):220-223,242.
    [ 5 ] 王晨,郭倩,周罗晶.基于R语言的ARIMA模型对流感样病例发病趋势的预测[J].中华疾病控制杂志,2018,22(9):957-960.
    [ 6 ] 李亚伟,刘玲,宋士勋,等.ARIMA乘法季节模型的R软件实现[J].环境卫生学杂志,2018,8(4):345-349.
    [ 7 ] 孙铭,许梦婷,谢佩锦,等.基于ARMA模型的哈尔滨市空气质量研究[J].哈尔滨师范大学自然科学学报,2018,34(4):21-25.
    [ 8 ] 牟敬锋,赵星,樊静洁,等.基于ARIMA模型的深圳市空气质量指数时间序列预测研究[J].环境卫生学杂志,2017,7(2):102-107,117.
    [ 9 ] 练秀缘.基于EMD的AQI和PM2.5预测建模研究[D].兰州:兰州大学,2018.
    [10] 徐兰芹.基于ARIMA组合模型的济南市空气质量指数(AQI)研究[D].济南:山东大学,2017.
    [11] 宋国君,国潇丹,杨啸,等.沈阳市PM2.5浓度ARIMA-SVM组合预测研究[J].中国环境科学,2018,38(11):4031-4039.
    [12] 李博群,贾政权,刘利平.基于模糊时间序列的空气质量指数预测[J].华北理工大学学报(自然科学版),2018,40(3):78-86.