基于时间序列分析的O3污染监测数据ARIMA模型

摘要：

氧污染日益引起人们的重视,对臭氧浓度的实时有效而经济可行的监测是掌握污染情况的必要手段.为了提高监测数据的精确度和稳定性,本文对O3监测数据进行了时间序列分析,建立了ARIMA(0,1,3)模型,提高了O3监测数据的精确度.
随着环境治理力度的加强,我国京津翼、长三角和珠三角三大城市群PM2.5等人们熟悉和关注度高的污染物浓度出现了波动下降的趋势,但O3浓度呈波动上升的趋势.近地面低空O3对人类健康和动植物生长都会造成危害,高浓度O3会导致人和动物的肺功能减弱、肺泡损伤,暴露于O3的人群心血管疾病发病率和死亡率升高;还会导致植物叶绿素减少、叶表灰白和不规则的大范围坏死,农作物形成早期老化、减产等.随着经济发展和城市化进程的脚步,近地面低空臭氧(O3)污染问题日益严重.

资助基金：2019年高等学校中青年教师国内访问学者项目,2019年广东省攀登计划,2019年广东省特色创新项目资助

在线出版日期：2020-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：99-100