基于贝叶斯分层自回归时空模型的北京PM2.5预测

来源：南京信息工程大学学报·自然科学版杂志2023年第1期北京时间：

作者：王静，曹春正

单位：王静,南京信息工程大学 数学与统计学院, 南京, 210044,曹春正,南京信息工程大学 数学与统计学院, 南京, 210044,caochunzheng@163.comis_first_author:0,is_contact_author:,sequence:2,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：为解决PM2.5的多站点同步预测问题,提出一种贝叶斯框架下的分层自回归时空模型.将PM2.5日均浓度真实值视为潜在时空过程,利用一阶自回归过程刻画时间相关性,并基于Matérn过程捕获空间相关性,极大程度地提高了降维和同步预测的效率.此外,还将日最高温度、相对湿度和风速等气象因素作为解释变量,用于提升PM2.5的预测效果.借助模型的分层结构,通过贝叶斯方法结合马尔可夫链蒙特卡罗(MCMC)算法实现参数估计和预测过程.对北京市日均PM2.5浓度的实证分析表明,模型在空间和时间维度上均有良好的插值或预测效果.

关键词：贝叶斯;分层模型;自回归;时空模型;PM2.5预测;马尔可夫链蒙特卡罗(MCMC)

基金资助：江苏省自然科学基金(BK20191394);国家社会科学基金重大项目(16ZDA047)