刘金培，张了丹，丁 蓉，汪 漂，罗 瑞

(1.安徽大学 商学院，合肥 230601；2.北卡罗莱纳州立大学 工业与系统工程系，美国 罗利 27695)

0 引 言

近年来，我国空气污染问题日趋严重[1]。通过监测包括PM2.5、SO2、NO2等在内的空气污染物，空气质量指数(Air Quality Index，AQI)能够全面地反应空气污染状况。因此，AQI的有效预测有利于政府制定科学的环境保护政策，对于维护居民健康、改善生态环境而言意义重大。

已有预测模型大多仅以历史数据作为输入。然而，由于历史数据的收集与公布通常具有滞后性，模型的预测精度往往受到限制。此时，结合具有即时性的非结构数据能够弥补由历史数据预测带来的预测滞后性，从而增强预测结果的时效性。非结构数据主要指网络搜索数据。张玲玲等[2]将非结构数据融入旅游市场客流量预测模型，Francesco等[3]结合非结构数据与失业预测模型，陈声利等[4]将非结构数据引入股指期货波动率预测模型。上述研究均证实了非结构数据对于预测效果起正向促进作用，但目前将非结构数据应用于空气质量指数预测的研究仍为少见。由于空气质量相关关键词的网络搜索热度能够反映社会公众对空气质量关注程度的改变，可以对空气质量的变化起到一定的预见与解释作用。因此，尝试将网络搜索数据融入AQI预测框架，进一步改善预测效果。

非结构数据能弥补历史数据的不足，但同时增加了AQI预测模型输入数据的复杂性，同时AQI时序具有随机性、非平稳性等特征[5]。为解决上述问题，传统研究多采用单一分解方法对分解数据以有效获取数据所含有效信息，进而提高预测精度。……