基于ARIMA模型的PM2.5的预测

摘要：

本文应用ARIMA(p,d,q)(自回归移动平均模型)预测短期PM2.5的日平均浓度.由于PM2.5污染物浓度受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,随时间变化大,因此采用分时段预测模型以提高预测精度.通过与灰色预测模型和全年时间序列模型进行对比,发现该模型预测效果更好.

关键词： 大气监测 可吸入悬浮细颗粒物 自回归移动平均模型 效果评估

作者: 沈加超 彭斯俊 朱雪

作者单位: 武汉理工大学 理学院,湖北 武汉430070

会议类型: 国内会议

会议名称: 2014年大气环境监测技术及其应用国际研讨会

会议地点: 北京

会议语种:中文

页码: 1-4

在线出版日期: 2014-05-14（万方平台首次上网日期，不代表论文的发表时间）