基于时间序列模型与残差控制图的兰州市空气质量研究 - 工业经济论坛.pdfVIP

第３４卷　第１期 高　原　气　象 Ｖｏｌ．３４　Ｎｏ．１ 　　 　　　　　　　　　　 ２０１５年２月 ＰＬＡＴＥＡＵＭＥＴＥＯＲＯＬＯＧＹ　　　　　　　　　　　　　　　Ｆｅｂｒｕａｒｙ，２０１５ 王莉，赵渊，杨显明，等．基于时间序列模型与残差控制图的兰州市空气质量研究［Ｊ］．高原气象，２０１５，３４（１）：２３０ ２３６， ｄｏｉ：１０．７５２２／ｊ．ｉｓｓｎ．１００００５３４．２０１３．００１５０． 基于时间序列模型与残差控制图的兰州市 空气质量研究 王　莉，　赵　渊，　杨显明，　马建民，　黄　韬，　高　宏 （兰州大学资源环境学院，兰州　７３００００） 摘要：利用２００３ ２０１２年兰州市月均空气污染指数ＡＰＩ和季节性时间序列模型ＳＡＲＩＭＡ，对数据序列 进行拟合并对其变化趋势进行了分析，研究其演变趋势并选取空气质量良好（月平均ＡＰＩ＜１５０）的月 份（２０１２年６月 ２０１３年２月），选用时间序列模型ＡＲＩＭＡ（１，１，１）进行拟合，再结合残差控制图，对 ２０１３年３月日平均ＡＰＩ预测监控。结果表明，ＳＡＲＩＭＡ（０，１，１）×（０，１，１）模型较好的拟合了近１０ １２ 年兰州市ＡＰＩ的变化趋势，兰州市的空气污染大致呈冬、春季污染相对较重，夏、秋季相对较轻，空气 质量总体在逐渐好转。适合该地区短时间尺度的时间序列模型是ＡＲＩＭＡ（１，１，１），结合残差控制图 对２０１３年３月ＡＰＩ进行预测监控，结果显示６，９，１０，１１，１２和１３日超出控制限，对６日和９日提出 预警。预测结果与实际结果相吻合，证实了将时间序列模型与残差控制图结合预测监控大气污染的有 效性。 关键词：空气污染指数；ＳＡＲＩＭＡ；ＡＲＩＭＡ；残差控制图 文章编号：１００００５３４（２０１５）０１０２３００７　　中图分类号：Ｐ４５６ 文献标志码：Ａ ｄｏｉ：１０．７５２２／ｊ．ｉｓｓｎ．１００００５３４．２０１３．００１５０ ［２］ 的研发应用取得了较大的进展。Ｌｕｉｓｅｔａｌ 利用人 １　引言 ［３］ 工神经网络的混合模型预测城市颗粒物；王俭等 　　目前，发达国家采用空气质量指数 ＡＱＩ（Ａｉｒ 构建ＢＰ模型探究大气污染预报方法；Ｇａｒｄｎｅｒｅｔ ＱｕａｌｉｔｙＩｎｄｅｘ）作为空气质量评价指标，中国使用空 ［４］ ａｌ 采用神经网络模型预测伦敦氮氧化物污染趋 气污染指数ＡＰＩ（ＡｉｒＰｏｌｌｕｔｉｏｎＩｎｄｅｘ）进行空气质量 势。这些模型的应用大多都限于某些排放数据和气 评价，其定义算法来自于ＡＱＩ，是一种反映和评价 象参数可用的特定情况下。对城市空气质量年际变 空气质量的方法，即：将常规检测的几种空气污染 化可以看成是一组时间序列，因此可以利用时间序 物的浓度简化为单一的概念性数值形式，并分级表 列的方法研究城市空气污染指数 ＡＰＩ时间尺度上 ［１］ 征其空气污染的程度 。２０１２年我国出台的《环境 的演变。 空气质量标准》，在ＡＰＩ的基础上增加了细颗粒物 　　当数据存在自相关现象时，运用常规控制图判 ＰＭ 、臭氧和一氧化碳３种污染物指标，目前仅在