典型文献
GM(1,1)-ARMA(p,q)组合模型下的PM2.5浓度预测——以西安市为例
文献摘要：
随着经济的发展,空气质量问题日渐显露,雾霾天气不断增加,而雾霾形成的主要原因是细微颗粒物,细微颗粒物能够较长时间悬浮于空气中,其浓度越高危害越大.PM2.5作为直径小于等于2.5微米的颗粒物,被吸入体内后会引发哮喘、支气管炎以及心血管病等疾病,引起人们的广泛关注.因此,文章对西安市2013年12月到2021年3月的PM2.5浓度值共计88条数据进行了实证研究,分别采用灰色系统预测模型GM(1,1)、时间序列模型AR(2)以及二者的组合模型对西安市的PM2.5进行预测,研究结果表明组合模型的相对误差最小,预测效果最优.
文献关键词：
PM2.5;灰色系统预测模型;ARMA(p;q)组合模型
中图分类号：
作者姓名：
席小雅;郑旭峰;李小鸭
作者机构：
西安欧亚学院,陕西 西安 710065
文献出处：
引用格式：
[1]席小雅;郑旭峰;李小鸭-.GM(1,1)-ARMA(p,q)组合模型下的PM2.5浓度预测——以西安市为例)[J].现代信息科技,2022(06):15-18,23
A类：
B类：
GM,ARMA,组合模型,PM2,浓度预测,西安市,空气质量,显露,雾霾天气,细微颗粒物,较长时间,浮于,微米,被吸入,后会,哮喘,支气管炎,心血管病,条数据,灰色系统预测模型,时间序列模型
AB值：
0.280075
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
