针对PM2.5单时间序列数据的动态调整预测模型

摘要：

针对细颗粒物PM2.5的浓度预测,本文提出了基于单时间序列数据的动态调整模型.在动态指数平滑算法中,指数平滑次数与参数基于样本数据并借助二分查找进行调整.在动态马尔科夫模型中,马尔科夫链的残差状态数、隐马尔科夫模型的隐状态数、连续样本数和阈值参数都通过训练数据加以调整.动态调整模型将指数平滑法和马尔科夫模型有效结合起来,指数平滑法得到的预测值由马尔科夫模型进行校正,从而提高预测准确度.基于大量实际PM2.5数据进行测试,验证了算法的有效性.并与其他现有的灰色模型、人工神经网络、自回归滑动平均模型、支持向量机等方法进行了对比,表明所提模型能够得到精度更高的预测结果.本文模型不局限于PM2.5数据,还可应用于其他类型的数据预测.

关键词：空气质量指数、指数平滑法、马尔科夫模型、动态调整

所属期刊栏目：44

资助基金：湖北省科技支撑计划2014BAA149;中国空间技术研究院创新基金CAST2014;中央高校基本科研业务费专项资金2042016GF0023

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1790-1798