| 基于小波分解和ARMA模型的空气污染预报研究 |
| |
| 引用本文： | 李祥,彭玲,邵静,崔绍龙,田海峰.基于小波分解和ARMA模型的空气污染预报研究[J].环境工程,2016,34(8):110-113. |
| |
| 作者姓名： | 李祥 彭玲 邵静 崔绍龙 田海峰 |
| |
| 作者单位： | 1. 中国科学院遥感与数字地球研究所,北京100094;中国科学院大学,北京100049;2. 中国科学院遥感与数字地球研究所,北京,100094 |
| |
| 基金项目： | 国家科技支撑计划项目“面向新型城镇建设的室内外定位技术综合集成典型示范”(2015BAJ02B00) |
| |
| 摘 要： | 细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。
|
| 关 键 词： | 空气污染预报 PM2.5 小波分解 ARMA |
AIR POLLUTION FORECAST BASED ON WAVELET DECOMPOSITION AND ARMA MODEL |
| |
| Abstract: | |
| |
| Keywords: | air pollution forecast PM2 5 wavelet analysis ARMA |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《环境工程》浏览原始摘要信息 |
| 点击此处可从《环境工程》下载免费的PDF全文 |
|
