基于ARIMA模型的天津市空氣質(zhì)量各項(xiàng)指標(biāo)的預(yù)測(cè)分析

孟慶云 張若晴 袁朱紅 李智坤 冀德剛

摘要 通過(guò)分析天津市2017年1月1日至2018年4月20日空氣質(zhì)量6項(xiàng)指標(biāo)SO2、PM2.5、PM10、O3、CO、NO2逐日數(shù)據(jù)，應(yīng)用時(shí)間序列分析法建立ARIMA（p，d，q） （P，D，Q）模型。利用SPSS軟件預(yù)測(cè)2018年4月21—27日各指標(biāo)數(shù)據(jù)，將預(yù)測(cè)結(jié)果和已有數(shù)據(jù)進(jìn)行對(duì)比，擬合效果很好，認(rèn)為該模型預(yù)測(cè)結(jié)果較理想。再用其預(yù)測(cè)未來(lái)7 d各項(xiàng)空氣指標(biāo)數(shù)據(jù)，觀察數(shù)據(jù)的變化趨勢(shì)，分析原因并提出可行性解決方案。

關(guān)鍵詞 空氣質(zhì)量；時(shí)間序列分析；ARIMA；預(yù)測(cè)

中圖分類號(hào)：R122 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-3305（2018）05-044-02

DOI： 10.19383/j.cnki.nyzhyj.2018.05.016

近年來(lái)，城市空氣質(zhì)量已成為大眾關(guān)注焦點(diǎn)問(wèn)題。SO2、PM2.5、PM10、O3、CO、NO2作為天津市最主要的污染物，嚴(yán)重危害人民的身體健康，對(duì)生產(chǎn)、生活以及經(jīng)濟(jì)的發(fā)展都有較大的影響。隨著人們對(duì)空氣質(zhì)量的關(guān)注度的日益提升，空氣質(zhì)量的預(yù)測(cè)分析已勢(shì)在必行。

目前，常用的預(yù)測(cè)方法有灰色預(yù)測(cè)、BP神經(jīng)網(wǎng)絡(luò)和時(shí)間序列分析法[1]等，其中神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型應(yīng)用較廣，該模型收斂效果較好，精度高，但其具有易陷入局部最優(yōu)、過(guò)擬合、網(wǎng)絡(luò)容錯(cuò)能力差等問(wèn)題，影響了預(yù)測(cè)模型的泛化能力[2] ?；诖?，文中應(yīng)用時(shí)間序列分析建立ARIMA模型，對(duì)未來(lái)天津市空氣質(zhì)量各項(xiàng)指標(biāo)進(jìn)行了預(yù)測(cè)，根據(jù)預(yù)測(cè)結(jié)果，分析了各污染物變化趨勢(shì)的原因，并提出改進(jìn)建議。

1 模型的建立

1.1 數(shù)據(jù)預(yù)處理

選取天津市2017年1月1日至2018年4月20日NO2逐日數(shù)據(jù)，令Xt表示t時(shí)刻天津市NO2數(shù)據(jù)。首先用Q-Q圖檢驗(yàn)數(shù)據(jù)是否符合正態(tài)分布，然后繪制序列圖，顯示出序列Xt具有周期性和季節(jié)性，是非平穩(wěn)序列，故進(jìn)行一階差分變換得到y(tǒng)t。再根據(jù)時(shí)間序列平穩(wěn)性的檢測(cè)方法，可認(rèn)為序列yt是平穩(wěn)的。由于數(shù)據(jù)具有周期性和季節(jié)性，則需對(duì)數(shù)據(jù)進(jìn)行季節(jié)性差分和季節(jié)分解，再對(duì)序列Xt建立ARIMA（p，d，q） （P，D，Q）模型。

1.2 模型定階

根據(jù)d階差分自相關(guān)函數(shù)和偏相關(guān)函數(shù)的截尾性來(lái)判定模型的階[3]。如圖1所示，自相關(guān)函數(shù)在k=2時(shí)截尾，偏相關(guān)函數(shù)在k=2之后呈現(xiàn)拖尾，因此初步判定模型為ARIMA（2，1，2）.同時(shí)由于Xt的一階季節(jié)差分的偏自相關(guān)系數(shù)在k=3時(shí)截尾，故考慮季節(jié)性ARIMA（3，1，1）。同時(shí)考慮ARIMA（1，1，2） （3，1，1）、ARIMA（1，1，3）（3，1，1）、ARIMA（1，1，2）（4，1，1）和ARIMA（1，1，2） （3，1，2）模型對(duì)數(shù)據(jù)的擬合效果.通過(guò)比較ARIMA（1，1，2） （3，1，2）模型的平穩(wěn)的R方最大，統(tǒng)計(jì)量最小同時(shí)BIC[4]最小，因此可以認(rèn)為ARIMA（1，1，2） （3，1，2）模型對(duì)Xt進(jìn)行擬合較為合適。

2 模型的檢驗(yàn)

2.1 NO2的預(yù)測(cè)

預(yù)測(cè)2018年4月21—27日NO2數(shù)據(jù)，與真實(shí)數(shù)據(jù)進(jìn)行對(duì)比，檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)效果。從圖2可以看出該模型的預(yù)測(cè)效果很好，可應(yīng)用該模型對(duì)2018年4月28日至2018年5月4日天津市NO2進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表1所示。

2.2 其他5項(xiàng)指標(biāo)的預(yù)測(cè)

運(yùn)用同樣的方法對(duì)天津市空氣質(zhì)量其他5項(xiàng)指標(biāo)進(jìn)行模型的建立與檢驗(yàn)，SO2的模型是ARIMA（5，1，3）×（4，1，0），O3的模型是ARIMA（2，1，2）×（4，1，0），PM2.5的模型是ARIMA（1，1，2）×（3，1，3），PM10的模型是ARIMA（3，1，3）×（2，1，2），CO的模型是ARIMA（3，0，8）×（2，0，2），用其模型預(yù)測(cè)2018年4月28日至5月4日的空氣指標(biāo)的值如表1所示。

3 小結(jié)

根據(jù)預(yù)測(cè)結(jié)果，天津市的空氣質(zhì)量呈好轉(zhuǎn)趨勢(shì)，并出現(xiàn)以一年為周期的規(guī)律性變化，同時(shí)季節(jié)因素也不容忽視。夏季的空氣質(zhì)量較冬季明顯改善，究其原因可能與季節(jié)、氣象和政策有關(guān)，分析原因如下： ①夏季燃煤量減少，顆粒污染減輕；②夏季較頻繁的降雨及大氣天氣，有利于PM2.5的擴(kuò)散和清除，使其濃度下降。SO2易溶于水，充沛的雨水對(duì)空氣中的污染物起到?jīng)_刷作用；③夏季天氣炎熱，空氣對(duì)流強(qiáng)烈，大氣層下墊面抬高，大氣聯(lián)合穩(wěn)定度下降，污染物容易擴(kuò)散，空氣污染指數(shù)降低；④天津市2018年深入推進(jìn)污染防治攻堅(jiān)戰(zhàn)，著力改善生態(tài)環(huán)境質(zhì)量.全面完成控煤、控車、控塵、控工業(yè)污染等目標(biāo)任務(wù)；⑤為加強(qiáng)環(huán)保審批服務(wù)，創(chuàng)造良好營(yíng)商環(huán)境，天津出臺(tái)了“津八條”。

為了使空氣質(zhì)量得到進(jìn)一步的改善，提出以下建議：①加強(qiáng)小工廠的整治力度，改變能源結(jié)構(gòu)；②工業(yè)合理布局，搞好環(huán)境規(guī)劃，倡導(dǎo)植樹(shù)造林，綠化生態(tài)環(huán)境；③強(qiáng)化環(huán)境督察管理。

參考文獻(xiàn)

[1] 牛玉霞. 基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測(cè)與模型研究[J]. 國(guó)際IT傳媒品牌，2017，38（12）：49-53.

[2] 牟敬鋒，趙星，樊靜潔，等. 基于ARIMA模型的深圳市空氣質(zhì)量指數(shù)時(shí)間序列預(yù)測(cè)研究[J]. 環(huán)境衛(wèi)生學(xué)雜志，2017，2 （7）：102-117.

[3] 李媛.ARIMA模型在平均工資預(yù)測(cè)中的應(yīng)用[J].電子技術(shù)與軟件工程，2018（9）：172-174.

[4] 李燕婷，張宏偉，任宏，等. 上海市流感樣病例發(fā)病趨勢(shì)的時(shí)間序列分析和預(yù)測(cè)模型研究[J]. 中華預(yù)防醫(yī)學(xué)雜志，2007，41 （6）：496-498.

責(zé)任編輯：劉赟