2015—2020年中国PM2.5污染时空演化及其与ENSO的关系研究

根据2015—2020年中国近1500个监测站点PM_2.5小时浓度数据，利用空间自相关分析、回归分析及小波分析方法，探索了中国PM_2.5浓度与异常的时空演化及其与ENSO(El Ni?o-Southern Oscillation，厄尔尼诺-南方涛动)之间的关系.结果表明，PM_2.5污染具有显著空间自相关性，空间上存在明显集聚特征. PM_2.5浓度较高的站点通常位于华北地区，其次是华中、华东北部，而PM_2.5浓度较低的站点通常位于青藏、华南南部和西南南部地区，特别是华南沿海区域.两个ENSO期间，夏季，全国各区域厄尔尼诺年(2015年和2018年)PM_2.5平均浓度高于拉尼娜年(2017年和2020年)；冬季，北方大部分区域，除ENSO II内蒙古和青藏地区以外，厄尔尼诺年PM_2.5平均浓度也高于拉尼娜年，但华南和西南地区的结果相反，表明ENSO对我国冬季南北方PM_2.5污染的影响可能相反.回归分析表明，华北、华东...     

基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用

针对PM_2.5时间序列的非线性、高噪声、不平稳与波动性的特征，提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例，选择PM₁₀、SO₂等4个影响因子，PM_2.5为目标因子，构建混合预测模型以合理区分与处理时间序列中高频、低频数据，并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明，提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM_2.5质量浓度日均数据预测，实现了针对大气污染物日均质量浓度的准确预测，能够为污染治理与政策制定提供科学的数据支撑；该方法与经典预测模型相比，具有更优的预测性能(平均绝对误差仅为10.465 18,且希尔不等系数低至0.085 89)。