基于ARIMA模型的大同市空气质量预测研究

论文摘要

时序模型作为一种预测方法,在货运量预测、机场客流量预测、疾病发病率预测、空气质量预测等许多重要的领域具有广泛的应用。本文利用大同市2016年1月到2019年8月共44个月的空气质量综合指数数据样本,使用牛顿插值进行了缺失值插补,根据给定的数据序列进行了时序图、自相关图和偏自相关图的构建。然后,进行单位根检验,判断出序列为平稳非白噪声序列。本文使用相对最优模型识别方法确立模型的p、q值,最终建立ARIMA（2,0,1）模型,对2019年9-12月的空气质量综合指数进行预测。通过对模型的分析,判断预测值比较准确。

论文目录

• 0 引言
• 1 预测方法
•   1.1 时序分析
•   1.2 时序分析的预处理
•     1.2.1 平稳性检验
•       （1）时序图检验
•       （2）自相关图、偏自相关图检验
•       （3）单位根检验
•     1.2.2 纯随机性检验
•   1.3 ARIMA模型
• 2 使用ARIMA模型实现大同市空气质量的预测分析
•   2.1 缺失值补足
•     2.1.1 牛顿插值法
•     2.1.2 使用牛顿插值法进行插补
•   2.2 ARIMA模型的建立
•     （1）检验序列的平稳性
•     （2）数据序列的白噪声检验
•     （3）对数据的平稳非白噪声序列拟合ARMA模型。
•   2.3 ARIMA模型分析
•     （1）模型检验
•     （2）参数检验和参数估计
•     （3）ARIMA模型预测
• 3 结论

文章来源

类型: 期刊论文

作者: 张叶娥,高云

关键词: 时序分析,非白噪声序列,平稳序列

来源: 软件 2019年12期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅰ辑

专业: 数学,环境科学与资源利用

单位: 山西大同大学计算机与网络工程学院

基金: 山西省自然科学基金项目(批准号:201801D121117),大同市科技计划项目(批准号:2019165)

分类号: O211.61;X51

页码: 85-89

总页数: 5

文件大小: 1411K

下载量: 482