基于ARIMA与神经网络组合模型的地表PM2.5浓度预测

基于ARIMA与神经网络组合模型的地表PM2.5浓度预测

摘要：空气质量时间序列由线性模式和非线性模式组成，难以预测。现金PM2.5的预测大多使用物理方法，相对于其他方法来说物理方法的成本比较高。为此，通过采集空气中CO、NO2、O3、SO2、PM10、PM2.5的浓度数据，分别采用ARIMA模型和神经网络模型通过已给的其他空气质量指数对PM2.5浓度展开预测。综合比对后，由于ARIMA模型只能进行短期预测，因此选择ARIMA与神经网络组合模型建立PM2.5预测模型。仿真结果显示，ARIMA与神经网络组合模型对PM2.5的预测准