首尔空气污染的时间序列预测
应用统计
2023-09-19 v1
摘要
准确的空气污染预测在控制空气质量及最小化对人类生活的不良影响方面起着关键作用。在各类污染物中,大气颗粒物(PM)尤为显著,影响着能见度和人类健康。本研究分析了2015年至2018年韩国首尔收集的空气污染物浓度与综合空气质量指数(CAI)数据。使用两种不同统计模型:误差-趋势-季节(ETS)与自回归移动平均(ARIMA),以实测的月平均PM2.5浓度作为输入,预测未来12个月的月平均PM2.5浓度。为评估ETS模型性能,采用了五项评价标准:平均误差(ME)、均方根误差(RMSE)、平均绝对误差(MAE)、平均百分比误差(MPE)和平均绝对百分比误差(MAPE)。2019年1月至2019年12月收集的数据用于ETS模型的交叉验证检验。最佳拟合的ARIMA模型通过考察AICc(修正赤池信息准则)值确定。结果表明ETS模型优于ARIMA模型。
引用
@article{arxiv.2309.09579,
title = {Time Series Forecasting for Air Pollution in Seoul},
author = {Sean Jeon and Seungmin Han},
journal= {arXiv preprint arXiv:2309.09579},
year = {2023}
}