基于多元时间序列的PM2.5预测方法

论文摘要

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。

论文目录

• 0 引言
• 1 理论基础
•   1.1 多元线性回归模型
•   1.2 时间序列模型
•   1.3 多元时间序列模型
• 2 数据来源及分析
•   2.1 数据的来源及预处理
•   2.2 相关性分析
• 3 多元回归模型的建立
•   3.1 模型的建立
•   3.2 模型的检验
•   3.3 模型的优化
• 4 时间序列模型的建立
•   4.1 序列平稳性检验
•   4.2 模型识别与定阶
•   4.3 参数估计以及模型的检验
• 5 多元时间序列模型的建立
•   5.1 协整关系检验
•   5.2 平稳性检验
•   5.3 各输入变量延迟阶数的确定
•   5.4 ARMAX模型参数确定
• 6 模型的验证
• 7 总结

文章来源

类型: 期刊论文

作者: 敖希琴,郑阳,虞月芬,汪金婷,李凡

关键词: 多元时间序列,预测

来源: 重庆工商大学学报(自然科学版) 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,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: 安徽新华学院

基金: 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)

分类号: X831;O212.4

DOI: 10.16055/j.issn.1672-058X.2019.0002.008

页码: 41-47

总页数: 7

文件大小: 757K

下载量: 1070