10.16055/j.issn.1672-058X.2019.0002.008
基于多元时间序列的PM2.5预测方法
针对利用多元线性回归和时间序列模型预测PM2.5时,存在信息利用不全面和预测精度不高的问题,提出了基于多元时间序列(ARMAX)的PM2.5预测方法;方法在回归项中引入了PM2.5影响因子在时间序列上的滞后性阶数,并对残差序列进行信息提取,建立了PM2.5浓度预测模型;首先通过"天气后报网"采集了合肥市2017年和2018年污染物数据;完成了数据的预处理及相关性分析;分别建立了PM2.5浓度预测的多元线性回归模型、时间序列模型和ARMAX模型;最后通过RMSE、MAE和Theil不相等系数3个评价指标,将3个模型预测精度进行比较;结果表明:ARMAX模型的预测精度显著高于单一的时间序列模型或多元线性回归模型.
PM2.5、多元时间序列、预测
36
O213.9(概率论与数理统计)
2018年度高校优秀青年人才支持计划重点项目GXYQZD2018087;国家级大学生创新创业训练计划项目201712216019
2019-05-13（万方平台首次上网日期，不代表论文的发表时间）
共7页
41-47
