基于混合模型的PM2.5日浓度预测

被引：14

作者：

李栋 ^{[1
]}

薛惠锋 ^{[2
,3
]}

张文宇 ^{[1
,3
]}

方铭 ^{[4
]}

机构：

[1] 西安邮电大学经济与管理学院

[2] 西北工业大学自动化学院

[3] 中国航天系统科学与工程研究院

[4] 西安邮电大学研究生院

来源：

统计与决策 | 2019年 / 35卷 / 05期

关键词：

PM2.5; 日浓度预测; 自回归分布滞后模型; 核极限学习机; 果蝇优化算法;

D O I：

10.13546/j.cnki.tjyjc.2019.05.020

中图分类号：

X513 [粒状污染物];

学科分类号：

083001 [环境科学];

摘要：

为解决PM2.5浓度预测中存在的精度不高的问题,文章提出了一个基于相关分析、自回归分布滞后模型、果蝇优化算法、核极限学习机的在线PM2.5日浓度混合预测模型。并将模型应用于关中地区五个地市,用2016年1月至2017年5月监测数据对模型进行验证。结果表明:模型均方根误差<6μg,平均绝对百分比误差<8%,拟合优度R2>0.98,能够在日尺度下有效地预测PM2.5浓度,可以为当地开展空气污染预警和城市综合管理提供决策支持。

引用

页码：92 / 96

页数：5

共 7 条

[1]

A case-crossover analysis of the impact of PM 2.5 on cardiovascular disease hospitalizations for selected CDC tracking states.[J].Evelyn O. Talbott;Judith R. Rager;Stacey Benson;Lu Ann Brink;Richard A. Bilonick;Candace Wu.Environmental Research.2014,

[2]

A new Fruit Fly Optimization Algorithm: Taking the financial distress model as an example.[J].Wen-Tsao Pan.Knowledge-Based Systems.2011,

[3]

Global Estimates of Ambient Fine Particulate Matter Concentrations from Satellite-Based Aerosol Optical Depth: Development and Application [J].