沧州市空气质量预测1沧州市空气质量的时间序列预测理论上讲,历史数据越多,时间序列的预测就会越稳定
本文选择沧州市2013年12月至2018年12月的二氧化硫、二氧化氮和可吸入颗粒物的月平均浓度值作为历史数据,来预测2019年1月至2019年12月这三种污染物的浓度月平均值
原始数据见表5-1
表5-1部分原始数据(单位:g/m)月份2013年12月2014年1月2014年2月2014年3月2014年4月2014年5月2014年6月
2018年5月2018年6月2018年7月2018年8月2018年9月2018年10月2018年11月2018年12月二氧化硫1321187865435134
151381017221729二氧化氮89716368605336
2827212642555657可吸入颗粒物308280232218175174141
103896970841181731733首先,在创建预测模型时,需要定义数据的时间序列和标记
其次,做出时间序列图
二氧化硫、二氧化氮和可吸入颗粒物的时序图如图5-1所示,可以看出,三组数据在12月份数值比较大,8月份数值比较小,三个序列都有着很强的季节特征
-1-由图5-1可以初步判定这三个序列均是不平稳的
并且根据三种污染物的浓度月平均值的自相关和偏自相关图(图略),可知三组数据的自相关函数和偏自相关函数没有衰减到0,得到这三个序列是非平稳序列
图5-1二氧化硫、二氧化氮和可吸入颗粒物的时序图根据模型的各个统计量值,来判断拟合效果
可决系数越高,平稳R方值越高,正态化的BIC值越小,说明模型拟合的效果越好
杨-博克斯Q(18)统计量是对模型中残差误差的随机检验,当其显著性小于0
05时说明残差误差不是随机的
1二氧化硫的时间序列预测在SPSS中,对于时间序列的预测,共有三大类预测方法,分别是专家建模器、指数平滑