基于 ARIMA 模型和三次指数平滑法的 PM2.5 浓度分析预测
摘要
21 世纪以来,随着工业化水平的不断提高,环境污染也日益严重。近年,我国空气污染问题尤其突出,大气污 染不仅危害人们的健康还对产业的发展起到不利的作用。所以控制空气污染,加强对空气的治理迫在眉睫。PM2.5 作为目 前空气污染的污染物,PM2.5 的控制是大气污染和防止的关键性工作,由于 PM2.5 只能在当天检测出来,无法为当日提供 实际性帮助。本文针对绵阳市近 6 年每月的 pm2.5 浓度的数据和特征,进行 ARIMA 和指数平滑建模,旨在准确预测出短期 内 PM2.5 浓度,为行人的出行和政府决策提供较准确的出行建议和数据支撑
关键词
空气污染;PM2.5;ARIMA;指数平滑;提供出行建议和数据支撑
全文:
PDF参考
王晓飞,王波,陆玉玉 . 基 Prophet-LSTM 模型的 PM2.5 浓度预测研究 [J/OL]. 软件导刊:1-4[2020-03-31].
薛同来,赵冬晖,韩菲 . 基于 BP 神经网络的北京市 PM(2.5) 浓度预测 [J]. 新型工业化,2019,9(08):87-91.
汪伟舵,吴涛涛,张子振 . 基于 ARIMA 模型的杭州市 PM2.5 预测 [J]. 哈尔滨师范大学自然科学学报,2018,
(03):49-55.
王燕 . 时间序列预测分析 - 基于 R[M]. 北京:中国人民出版社,2015:8-40.
王燕 . 应用时间序列分析 ( 第四版 )[M]. 北京:中国人民出版社,2015:12-32.
黄芸,姜国,徐治欠 .ARIMA 模型在黄石市 PM2.5 浓度预测中的应用 [J]. 湖北师范大学学报,2017,37(02):38-42.
李杰,彭晓明 . 基于 ARIMA 模型的军事训练数据分析和预测 [J]. 舰船电子对抗,2019,42(05):98-101,120.
严宙宁,牟敬锋,赵星,严燕,罗文亮,胡满达 . 基于 ARIMA 模型的深圳市大气 PM2.5 浓度时间序列预测分析 [J].
现代预防医学,2018,45(02):220-223.
孔德川,潘浩,郑雅旭,姜晨彦,韩若冰,吴寰宇,陈健 . 指数平滑模型在上海市猩红热发病率预测中的应用 [J].
疾病监测,2019,34(10):932-936.
DOI: http://dx.doi.org/10.18686/jsjxt.v2i2.21067
Refbacks
- 当前没有refback。