基于小波变换与传统时间序列模型的臭氧浓度多步预测
采用最大重叠小波分解与重构方法,将影响O3小时浓度的不同时间尺度的物化过程分离出来,以提高序列的光滑性.同时,选择合适的传统时间序列模型(如ARIMA模型等)来描述不同过程的序列特征,并分别拟合预报.最后,在建模中引入24 h季节项,以实现提前24 h-次性预测未来1d的O3逐时浓度.结果表明,预报的平均相对误差为12.92%,平均绝对误差和均方根误差分别为10.04 μ.g·m-3和13.98μg·m-3,预报值与实测值的相关系数和匹配指数分别为0.96和0.98.随着预测期的延长,预报误差仍处于可接受范围内.该方法同样适用于每日最大O3小时浓度预报,研究结果为发布天气预报式的空气质量预报提供了新思路,便于公众规划出行并减少大气污染暴露.
最大重叠小波变换、自回归滑动平均法(ARIMA)、臭氧小时浓度、多步预测
33
X51(大气污染及其防治)
山东省东营市生态文明战略规划研究项目
2013-03-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
339-345