自回归移动平均模型在预测PM2.5中的应用

被引：6

作者：

刘宗伟 ^{[1
]}

周彩丽 ^{[2
]}

马冬梅 ^{[3
]}

邱玉刚 ^{[1
]}

翟庆峰 ^{[1
]}

刘春兰 ^{[4
]}

机构：

[1] 潍坊医学院公共卫生与管理学院

[2] 潍坊医学院临床医学院

[3] 战略支援部队兴城疗养院接诊科 4. 潍坊市奎文区卫生计生监察大队

来源：

预防医学论坛 | 2016年 / 22卷 / 08期

关键词：

时间序列; 自回归移动平均模型; PM2.5; 预测;

D O I：

10.16406/j.pmt.issn.1672-9153.2016.08.007

中图分类号：

R122 [气候卫生与大气卫生];

学科分类号：

100402 ;

摘要：

目的应用自回归移动平均（Auto-regressive Moving Average Model）模型,建立潍坊市PM2.5的日均浓度预测模型。方法利用潍坊市2013年12月2日至2016年9月9日的历史PM2.5日均浓度数据,采用条件最小二乘法确定模型参数,模型阶数确定后,建立PM2.5日均浓度预测模型。结果对模型的各个参数进行检验发现,各参数估计值的P值均<0.05;对建立的模型进行残差的白噪声检验,χ;检验统计量的P值均>0.05,据此建立ARMA（1,3）模型,模型表达式为:χ;=138.188 8+（1-0.394 23β-0.367 09β;-0.146 84β;）ε;/（1-0.999 6β）,并预测了PM2.5的未来日均浓度。结论 ARMA（1,3）模型可用于预测潍坊市PM2.5的日均浓度变化趋势。

引用

页码：582 / 584

页数：3

共 11 条

[1] 基于ARMA模型的南京市PM2.5浓度分析与预测
刘玲
宋马林
[J]. 枣庄学院学报, 2016, 33 (02) : 54 - 62
[2] 应用SARIMA模型预测南通市流行性腮腺炎发病趋势
陶长余
张志兰
[J]. 中国卫生统计, 2016, (01) : 142 - 143
[3] ARIMA模型在传染病预测中的应用
王怡
张震
范俊杰
王在翔
王培承
[J]. 中国预防医学杂志, 2015, 16 (06) : 424 - 428
[4] 基于ARIMA模型的PM2.5预测[J]. 彭斯俊,沈加超,朱雪. 安全与环境工程. 2014(06)
[5] ARIMA乘积季节模型在丙肝发病预测中的应用
刘雷
张连生
汤恒
蒋洪林
[J]. 中华疾病控制杂志, 2014, 18 (04) : 366 - 367
[6] 我国大气污染对居民健康影响的回顾和展望
阚海东
邬堂春
[J]. 海军军医大学学报, 2013, 34 (07) : 697 - 699
[7] ARIMA乘积季节模型在上海市甲肝发病预测中的应用
朱奕奕
冯玮
赵琦
徐飚
[J]. 复旦学报(医学版), 2012, 39 (05) : 460 - 464
[8] 探讨ARIMA模型在细菌性痢疾发病预测中的应用
陈莉
[J]. 中国卫生统计, 2011, 28 (04) : 417 - 419
[9] 应用时间序列分析[M]. 中国人民大学出版社 , 王燕, 2015
[10] Quantifying the health impacts of air pollution under a changing climate-a review of approaches and methodology
Sujaritpong, Sarunya
Dear, Keith
Cope, Martin
Walsh, Sean
Kjellstrom, Tord
[J]. INTERNATIONAL JOURNAL OF BIOMETEOROLOGY, 2014, 58 (02) : 149 - 160

← 1 2 →