沈阳市PM2.5浓度ARIMA-SVM组合预测研究
来源：中国环境科学杂志2018年第11期北京时间：
作者：宋国君, 国潇丹, 杨啸, 刘帅
单位：1. 中国人民大学环境学院, 北京 100872; /\r\n2. 农业农村部管理干部学院, 北京 102208
摘要：首先利用回归树分类方法，对采暖期与非采暖期各日进行气象类型划分，识别出易造成重污染天气的气象类型.其次分别在各气象类型内，以污染源排放量为自变量，利用差分自回归滑动平均与支持向量机（ARIMA+SVM）组合方法建立起PM2.5浓度日均值预测模型，并选取2013年01月~2017年06月间，沈阳市区内9个环境监测点PM2.5浓度日均值进行实证分析.结果表明，使用气象分类下的ARIMA+SVM组合模型对PM2.5浓度日均值进行预测，相比于不划分气象类型时的普通机器学习模型，其模型预测值与实测值趋势的吻合度更高，且对峰-谷值的识别能力更强.在采暖期与非采暖期，组合模型均具有平均绝对误差更低、预测正确率更高的优点.
关键词：PM2.5浓度,气象类型,ARIMA-SVM组合模型,预测方法
基金资助：
国家重点研发计划项目（2017YFC0212500）
