臭氧浓度时间序列分析之研究TimeSeriesAnalysisforOzone.PDFVIP

臭氧濃度時間序列分析之研究 陳鴻烈 (1) 羅惠芬 (2) 摘 要 本研究是以苗栗縣境內苗栗測站之空氣污染物中的臭氧濃度為對象，利用相乘性分解模式 (Multiplicative Decomposition Method) 來推估未來之臭氧濃度，進而控制並分析空氣品質惡化 趨勢。利用相乘性分解方法進行時間序列分析：Y = T × S × C × I 之影響因子，包括長期趨勢 (T) 、季節變動 (S) 、循環變動 (C) 及不規則變動 (I) 。從結果得知 (1) 民國八十三年至九十一 年間的相關性最佳 (R2 = 0.9997) ，故採此區間作為運算基礎。(2) 長期趨勢 (T) 隨時間 (t) 增 加而有所變化，其相關性為 T = 3.6932t−285.61 。(3) 從季節週期來看，出現三個高峰 (三、六、 九月) 和三個低峰 (五、七、十二月) 。(4) 循環變動趨勢中，大循環週期無法判定，小循環週 期則維持在 6 個月左右。(5) 不規則變動乃符合隨機之不規則變化趨勢。 關鍵字( ：臭氧、時間數列、相乘性分解、苗栗測站) Time Series Analysis for Ozone Concentrations Paris Honglay Chen Professor, Department of Soil and Water Conservation, National Chung-Hsing University, Taichung, Taiwan 402, R.O.C. Hui Fen Lo Graduate Student, Department of Soil and Water Conservation, National Chung-Hsing University, Taichung, Taiwan 402, R.O.C. ABSTRACT This study applied the multiplicative decomposition method and ozone data of Miaoli station in Miaoli to predict ozone concentrations in future, as well as to control and analyze the trend air quality. The factors influencing the time series analysis of multiplicative decomposition method, Y T×S×C×I, include long-term trend (T), seasonal fluctuation (S), cyclical variation (C), and irregular variation (I). The results demonstrate that (1) the best relationship (R2 0.9997) was obtained from 1994 to 2002; (2) the long-term trend (T) increased with time (t) with following relationship: T 3.6932t−285.61; (1)國立中興大學水土保持學系教授 (2)國立中興大學水土保持學系研究生 199 水土保持學報 37(2) ：199- 208 (2005) Journal of Soil and Water Conservation, 37(2) ：201- 210 (2