基于广义可加模型的PM2.5预测研究

被引：30

作者：

李莉莉

张璇

杜梅慧

机构：

[1] 青岛大学经济学院

来源：

数理统计与管理 | 2020年 / 39卷 / 05期

关键词：

PM2.5; 广义可加模型; 预测;

D O I：

10.13860/j.cnki.sltj.20200818-005

中图分类号：

X513 [粒状污染物];

学科分类号：

083001 [环境科学];

摘要：

本文对太原、北京、重庆和济南四个城市的2018年1月1日至2019年1月31日的空气污染物以及气象因素数据,分别建立时间序列ARMA模型、BP人工神经网络模型和广义可加模型,对上述四个城市的PM2.5日均浓度进行预测,发现:ARMA模型预测结果最差,广义可加模型与BP人工神经网络模型均能有效地预测地区PM2.5日均浓度,但BP人工神经网络模型中输入变量与输出变量间的关系无法进行解释。因此,建议采用广义可加预测模型对PM2.5日均浓度进行预测,并对空气污染预警,政府部门制定降低PM2.5浓度的合理措施提供理论依据和技术支撑。

引用

页码：811 / 823

页数：13

共 11 条

[1]

基于混合模型的PM2.5日浓度预测 [J].

李栋 ;

薛惠锋 ;

张文宇 ;

方铭 .

统计与决策, 2019, 35 (05) :92-96

[2]

长江中游城市群PM2.5时空特征及影响因素研究 [J].

柏玲 ;

姜磊 ;

陈忠升 .

长江流域资源与环境, 2018, 27 (05) :960-968

[3]

基于时空模型北京市PM2.5浓度影响因素研究 [J].

梅波 ;

田茂再 .

数理统计与管理, 2018, 37 (04) :571-586

[4]

空气污染、空间外溢与公共健康——以中国珠江三角洲9个城市为例 [J].

孙涵 ;

聂飞飞 ;

申俊 ;

彭丽思 ;

於世为 .

中国人口·资源与环境, 2017, 27 (09) :35-45

[5]

PM2.5污染对京津冀地区人群健康影响和经济影响 [J].

谢杨 ;

戴瀚程 ;

花岡達也 ;

増井利彦 .

中国人口·资源与环境, 2016, 26 (11) :19-27

[6]

PM 2.5 forecasting using SVR with PSOGSA algorithm based on CEEMD; GRNN and GCA considering meteorological factors.[J].Suling Zhu;Xiuyuan Lian;Lin Wei;Jinxing Che;Xiping Shen;Ling Yang;Xuanlin Qiu;Xiaoning Liu;Wenlong Gao;Xiaowei Ren;Juansheng Li.Atmospheric Environment.2018,

[7]

Improved retrieval of PM 2.5 from satellite data products using non-linear methods.[J].M. Sorek-Hamer;A.W. Strawa;R.B. Chatfield;R. Esswein;A. Cohen;D.M. Broday.Environmental Pollution.2013,

[8]

Intercomparison of air quality data using principal component analysis, and forecasting of PM10 and PM2.5 concentrations using artificial neural networks, in Thessaloniki and Helsinki [J].

Voukantsis, Dimitris ;

Karatzas, Kostas ;

Kukkonen, Jaakko ;

Rasanen, Teemu ;

Karppinen, Ari ;

Kolehmainen, Mikko .

SCIENCE OF THE TOTAL ENVIRONMENT, 2011, 409 (07) :1266-1276

[9]

A hybrid ARIMA and artificial neural networks model to forecast particulate matter in urban areas: The case of Temuco, Chile [J].

Diaz-Robles, Luis A. ;

Ortega, Juan C. ;

Fu, Joshua S. ;

Reed, Gregory D. ;

Chow, Judith C. ;

Watson, John G. ;

Moncada-Herrera, Juan A. .

ATMOSPHERIC ENVIRONMENT, 2008, 42 (35) :8331-8340

[10]

Identification of non‐linear additive autoregressive models.[J].Jianhua Z.Huang;LijianYang.Journal of the Royal Statistical Society: Series B (Statistical Methodology).2004, 2

← 1 2 →