赵玉凤，何淑仙，王彭德

（大理大学数学与计算机学院，云南大理 671003）

随着城市化建设的加速，大气污染严重，对空气质量的预测和评价愈显重要。目前在空气质量评价上主要采用空气质量指数（air quality index，AQI），AQI是以环境空气质量标准为基础，根据各种污染物、生活环境和生态的影响，将对空气污染物浓度进行综合监测的一系列数据化为单一的概念性数值的形式〔1〕，该指数值越小意味着空气污染较轻，如果指数值较大，则说明空气污染严重。空气质量是根据空气中污染物的浓度反映空气污染程度的指标，主要有细颗粒物（PM2.5）、可吸入颗粒物（PM10）、二氧化氮（NO2）、二氧化硫（SO2）、一氧化碳（CO）和臭氧（O3）。当前有越来越多的研究者关注空气质量预测问题，提出了不同的预测方法，进而为空气污染防治提供了科学的依据。如：于萍〔2〕利用空气质量数据建立了ARIMA（1，1）模型，并对短期内的空气质量指数进行了预测和判断。许允之等〔3〕针对徐州市雾霾形势，采用多元线性回归方法建立模型，在该模型的基础上，剔除不重要的变量和样本异常值。经过两次改进，将九元线性模型简化为四元线性模型，通过检验和诊断，验证了四元线性回归模型的准确性和实用性。王娜娜〔4〕利用特定时间范围内的空气质量监测数据，建立随机森林模型对北京市未来一段时间的尘埃污染浓度进行了预测分析，进而为北京市的大气污染治理提供了参考建议。郭利进等〔5〕利用ARIMA模型，用卡尔曼滤波建立数学模型，将径向基函数神经网络融合到卡尔曼滤波中，提出了一种新的融合算法，并对AQI进行了预测，改进了单方法的延迟估计，提高了预测精度。……