黄 芸，姜 国，徐治欠

(湖北师范大学数学与统计学院，湖北 黄石 435002)

ARIMA模型在黄石市PM 2.5浓度预测中的应用

黄 芸，姜 国，徐治欠

(湖北师范大学数学与统计学院，湖北 黄石 435002)

PM2.5的精确预测对空气质量评估和大气污染防治工作起着关键性作用 .由于PM2.5浓度受多种因素影响，不同时间段内变化模式存在较大差异，将序列分时段可以提高预测精确度。根据2015年黄石市市区PM2.5日均浓度变化特征，建立了分时段ARIMA模型，进而对黄石市PM2.5浓度进行深入分析及可靠预测。

PM2.5；ARIMA模型；时间序列

0 引言

目前，PM 2.5污染已经成为社会的热议话题。PM 2.5是指大气中的细颗粒物通过对太阳光的吸收，反射或散射降低大气能见度，使太阳辐射强度降低，是雾霾制造者之一。这种微小颗粒被吸入肺部后，对身体健康危害极大。PM 2.5的准确预测有利于人们采取必要的防护措施。因此建立有效的PM 2.5浓度预测模型具有重要的现实意义。许多专家对PM 2.5污染进行了相关研究，并且提出了其存在的问题以及改进的方法。孙柏峰[1]根据吉林省某市 2001～2010[3～5]年的空气质量监测情况，结合数学模型对该市的空气质量进行了评价与预测 ；邵银念[2]等运用模糊数学方法，通过计算污染因子权重值和隶属度对乌鲁木齐市 2007年度大气环境质量就进行了综合评价；国外对大气污染的统计预测做了广泛研究，主要运用多元统计分析理论、灰色预测模型、神经网络预测模型等。其中，用法最广的是神经网络预测模型[7]，它在非线性模型上有较好的拟合效果，但存在难已确定网络结构等问题，影响预测模型的泛化能力。……