基于MIV-ARIMA ARIMA算法的PM 2.52.5浓度预测浓度预测浓
为了更精确的预测PM2.5质量浓度,为环境质量评价与治理提供科学依据,笔者构建ARIMA的PM2.5预报模型,并采用MIV(Mean Impact Value)算法对输入参数进行筛选,筛选出对PM2.5浓度预测的主要影响参数,以2017年桂林市为例,对1月份、4月份分别建立逐小时预报模型,选择空气污染物、气象因子及天顶总延迟(ZTD)共11个影响因素经过MIV筛选后的主要影响参数作为输入参数,构建MIV-ARIMA模型对PM2.5浓度值进行预报.结果 表明通过MIV算法筛选出来的影响参数,不仅考虑了因变量与自变量之间的非线性,还考虑了变量之间复杂的关联度,进一步降低了数据维度,且与输入参数无筛选的ARIMA模型相比,PM2.5浓度预测精度有所提高,拟合程度更高.
PM2.5预测 平均影响值 ARIMA模型
张亚博 谢劭峰 张继洪 唐友兵 曾印 张志 魏朋志
桂林理工大学测绘地理信息学院,桂林市,中国,541006;广西空间信息与测绘重点实验室,桂林市,中国,541006
国内会议
北京
中文
1-5
2022-12-01（万方平台首次上网日期，不代表论文的发表时间）