收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于ARIMA模型的深圳市空气质量指数时间序列预测研究

牟敬锋  赵星  樊静洁  严宙宁  严燕  曾丹  罗文亮  范志伟  
【摘要】:目的构建适合深圳市空气质量指数(AQI)预测的自回归移动平均模型(ARIMA),为有效地治理和控制空气污染提供科学依据。方法应用时间序列分析方法对深圳市2014年1月1日—2016年6月30日AQI逐日数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型,利用所得到的模型对2016年7月1日—2016年7月6日AQI进行预测,并评价其预测效果。结果本研究2014年1月—2016年6月共收集了深圳市912个逐日AQI数据,空气质量级别为优、良和轻度污染的比例分别是48.6%、48.4%和3.0%。经平稳性检验,该原始序列适合进行模型拟合,经过模型拟合诊断发现ARIMA(3,0,1)模型为最优模型,赤池信息准则(AIC值)和贝叶斯信息准则(BIC值)最小,分别为7 364.51和7 393.41,Box-Ljung检验结果 Q值为17.48,P0.05,模型残差为白噪声序列。2016年7月1日—2016年7月6日AQI预测值与实际值的平均相对误差为16.6%,实际值都在95%可信区间内,建立的ARIMA(3,0,1)模型的拟合精度和预测效果较为理想。结论 ARIMA(3,0,1)模型能较好地模拟深圳市AQI变化趋势,有良好的预测效果。

知网文化
【相似文献】
中国期刊全文数据库 前5条
1 武云云;刘建香;崔宏星;张庆召;尚兵;邓君;;探讨ARIMA模型在核电站外围环境放射性水平预测中的应用[J];现代预防医学;2014年11期
2 魏丽华;任志远;;陕西省人均生态足迹ARIMA模型测算[J];干旱地区农业研究;2009年04期
3 裴宁彪;;河北省夏季降水的季节性ARIMA模型及预报[J];河北机电学院学报;1986年02期
4 赵成柏;毛春梅;;基于ARIMA和BP神经网络组合模型的我国碳排放强度预测[J];长江流域资源与环境;2012年06期
5 ;[J];;年期
中国硕士学位论文全文数据库 前3条
1 苗亚男;基于卡尔曼滤波的ARIMA—GM雾霾预测及扩散消失模型研究[D];吉林大学;2016年
2 刘源;基于GM-ARIMA模型的成都市生活垃圾产量预测研究[D];西南交通大学;2016年
3 马晓涛;ARIMA和RBF神经网络在水环境溶解氧预测中的应用研究[D];北京林业大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978