基于时间序列分析的北京地区PM2.5浓度研究

摘要：

基于中国环境监测总站公布的实时空气质量监测数据,利用时间序列模型对PM2.5指标的数据进行了平稳性、纯随机性检验,同时进行了模型阶数、未知参数估计以及模型显著性检验与优化.最终在此基础上建立了指标预测的数学模型,并对未来三天的PM2.5浓度值进行预测.进一步地,基于向量自回归(VAR)模型,对北京市万寿西宫站PM2.5数据进行相关性分析,研究空气中污染物SO2、NO2、CO、O3、PM10与PM2.5的动态影响关系.研究发现当天的PM2.5浓度会受到前几天PM2.5、PM10、O3、SO2等污染物浓度的影响,其中PM10对PM2.5的影响最为明显且持续时间最长,O3、SO2对PM2.5浓度的影响在二、三期最为明显.

关键词：PM2.5、时间序列、VAR模型

所属期刊栏目：22

分类号：O22(运筹学)

资助基金：国家自然科学基金.11671032,11321024;中央高校基础科研业务费FRF-TP-17-024A2

在线出版日期：2018-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：115-126