基于GAMLSS模型的PM2.5浓度预测研究 |
| |
引用本文: | 马耀兰,魏波,刘晨怡.基于GAMLSS模型的PM2.5浓度预测研究[J].数学的实践与认识,2023(12):176-188. |
| |
作者姓名: | 马耀兰 魏波 刘晨怡 |
| |
作者单位: | 1. 北方民族大学数学与信息科学学院;2. 邯郸科技职业学院财经系 |
| |
基金项目: | 宁夏自然科学基金“非平稳时空数据的统计推断及其应用研究”(2022AAC03232);;北方民族大学中央高校基本科研业务费专项资金“极值回归模型的统计推断及其在大气污染中的应用”(2021JCYJ06);;国家自然科学基金地区项目“相依重尾数据下尾部风险度量的统计推断及其应用”(12361054); |
| |
摘 要: | 基于2013年3月1日至2017年2月28日北京奥体中心空气质量监测站点的逐时数据,分别建立了随机森林回归模型、广义可加模型(Generalized additive model,GAM)和基于位置、尺度、形状的广义可加模型(Generalized Additive models for location,scale and shape,GAMLSS).结果显示:随机森林回归模型的拟合效果与预测效果相差较大,说明模型的稳定性较差,而GAM与GAMLSS模型的拟合效果与预测效果都较好.然而,在实际应用中GAMLSS模型要比GAM更加灵活,能更充分地利用分布本身的特性和规律挖掘出更多蕴含的信息,有利于提高预测的精度.因此,基于GAMLSS模型探讨了北京市的各种污染物和天气条件对PM2.5浓度的影响,并对PM2.5日均浓度进行了预测,这为降低空气污染物浓度提供了理论基础,为相关部门开展预警工作提供了决策依据.
|
关 键 词: | PM_(2.5) GAMLSS模型 预测 |
|
|