文献类型：期刊文章

作　　者：彭斯俊[1] 沈加超[1] 朱雪[1]

机构地区：[1]武汉理工大学理学院,湖北武汉430070

出　　处：《安全与环境工程》

基　　金：国家自然科学基金项目(91324201)

年　　份：2014

卷　　号：21

期　　号：6

起止页码：125-128

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、核心刊

摘　　要：PM2.5的精确预测是大气污染评价和治理的关键性工作。本文针对PM2.5浓度变化的时间序列分布特征,结合环境监测站提供的相关数据,应用自回归移动平均模型(ARIMA(p,d,q))预测短期PM2.5的日平均浓度。结果表明:由于PM2.5浓度变化受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,不同时段内的变化模式存在巨大差异,因此采用分时段序列预测模型可以提高PM2.5的预测精度;通过将分时段序列模型与灰色GM(1,1)模型和全年时间序列模型的预测结果进行对比,发现该模型预测效果更好。

关 键 词：PM2.5 时间序列 ARIMA模型 预测  

分 类 号：X823]