俞 艳 胡兴帮# 任苏蕊 童 艳

(1.武汉理工大学资源与环境工程学院，湖北 武汉 430070；2.华东师范大学地理科学学院，上海 201100)

空气污染指数(API)是反映空气质量的重要指标[1]，由SO2和NO2等污染物浓度及其持续时间确定。API受多种因素影响，如气候、降水量等，这些因素多具有时间变化特性，因此学者多采用时间序列分析方法对其进行研究。如周荣美等[2]利用统计分析的相关知识分析了杭州市萧山区“十一五”期间的空气质量变化及其影响因素；柴微涛等[3]通过建立ARMA模型对成都市API进行分析和预测；LEE等[4]运用季节ARIMA模型对马来西亚的API进行预测研究等。然而，这些研究大多基于统计分析或单一的ARIMA模型，由于多时点月均API受季节和历法效应的影响，不同月度或季度之间的数据较难反映空气污染变化的基本层面。因此，为了提高不同月度数据的可比性，进行季节调整是一种可取的方法。季节调整是把预调整时间序列中存在的季节性成分、历法效应剔除掉，调整后的时间序列只包含趋势成分和不规则成分。第一个被广泛应用的季节调整方法是由SHISKIN等[5]于1965年开发的X-11方法，后来逐步完善，形成标准的X-11方法，利用滑动平均来估计趋势成分和季节成分。但由于时间序列两端存在非对称权重问题，常导致成分估计与实际存在较大差异。1988年X-11方法与BOX等[6]的ARIMA模型相结合以延长时间序列，较好地解决了对称权重问题。1995年又引入RegARIMA模型对其进行改进，季节调整之前可对时间序列中存在的异常值和历法效应做预调整。……