庄诗佳 周航 林书凝

摘 要：近年来，雾霾成为影响人们健康的主要因素。本文通过对历年PM2.5浓度的分析与预测，建立ARIMA预测模型。分析了各季节的浓度规律，得到了各城市均满足冬高夏低的规律，并在各季节中对PM2.5浓度起伏周期进行了分析以及提取。考虑到数据的波动性较大，本文利用移动平均法将数据进行去噪处理，最后建立分段ARIMA模型对浓度进行预测。

关键词：PM2.5浓度 ARIMA模型 预测

引言

2013年1月1日，我国环保部开始正式将PM2.5列入空气检测指标中，PM2.5成为了一个重要的检测空气污染程度的指数。PM2.5来源主要是自然和人为两种。自然过程如尘土、森林火灾、细菌等均可产生PM2.5。而其绝大部分来自人类的生产生活过程，化石燃料的燃烧、机动车尾气的排放、生物质燃烧等均会产生PM2.5。PM2.5不仅会影响环境，造成大气污染，更重要的是长期吸入PM2.5会对人体造成极大的危害，甚至会增加致病和死亡的概率。

1 PM2.5浓度数据季度变化

为了研究各城市PM2.5浓度数据的季度变化，以2014年为例，绘制出各城市各月份PM2.5濃度箱线图，以重庆和乌鲁木齐为例，如下图所示。

由上图可知，2014年两个城市各月份PM2.5浓度呈明显的U字型。其中冬季（12月、1月、2月）PM2.5浓度最高；夏季PM2.5浓度最低；春季中3月PM2.5浓度较高，4月和5月较低；秋季中11月PM2.5浓度较高，9月和10月较低。

对于2014年的其他城市和2015年、2016年的各城市的各月份PM2.5浓度也有类似的特征。通过分析上述结果，可以看出冬季是空气质量最差的季节，这与冬季气温最低有关，大部分地区冬季主要依靠燃煤供暖；……