共 14 条
- [6] 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)
基于ARIMA模型的深圳市大气PM2.5浓度时间序列预测分析
被引：34
|作者：
严宙宁
[1
]
牟敬锋
[1
]
赵星
[2
]
严燕
[1
]
罗文亮
[1
]
胡满达
[1
]
机构：
[1] 深圳市南山区疾病预防控制中心环境卫生科
[2] 四川大学华西公共卫生学院(华西第四医院)
来源：
关键词：
PM2.5;
时间序列;
ARIMA模型;
预测;
D O I：
暂无
中图分类号：
R12 [环境卫生、环境医学];
X513 [粒状污染物];
学科分类号：
0706 ;
070602 ;
100402 ;
摘要：
目的建立深圳市大气细颗粒物(PM)时间序列分析的自回归移动平均模型(ARIMA),预测深圳市大气PM浓度变化趋势,为公众健康出行提供科学依据。方法收集深圳市2016年大气PM逐日监测数据构建ARIMA预测模型,对建立的模型进行参数估计、模型诊断,选择最优预测模型。利用构建的最佳模型对深圳市2017年1月1日-2017年1月5日大气PM逐日浓度进行预测,并对预测效果进行评价。结果 ARIMA(2,1,2)模型为深圳市大气PM浓度最优预测模型,其最小赤池信息量准则(AIC)、贝叶斯信息准则(BIC)值分别为2 683.51、2 703.01,模型残差序列的Ljung-Box统计量χ~2=0.018,差异无统计学意义(P=0.894),提示残差为白噪声序列,模型拟合良好。深圳市2017年1月1日-2017年1月5日大气PM浓度监测值与预测值的平均相对误差为15.6%,实际值均在预测值95%可信区间内。结论ARIMA(2,1,2)模型能较好地模拟深圳市大气PM变化趋势,具有良好的预测效果。
引用
收藏
页码：220 / 223
+242
页数：5
相关论文