A Long-Term Prediction Model of Beijing Haze Episodes Using Time Series Analysis.
A Long-Term Prediction Model of Beijing Haze Episodes Using Time Series Analysis.
复制标题
DOI：
10.1155/2016/6459873
复制
发表时间：
2016
影响因子：
--
通讯作者：
Yu L
中科院分区：
文献类型：
--
作者：
Yang X;Zhang Z;Zhang Z;Sun L;Xu C;Yu L
快速的工业发展导致了发展中国家PM2.5或雾霾的间歇性爆发，这带来了巨大的环境问题，特别是在北京和新德里等大城市。利用时间序列分析方法，研究了北京灰霾天气变化的影响因素和机制，建立了北京灰霾天气的长期预报模型。我们构建了日灰霾增量的动态结构测量模型，并将模型简化为向量自回归模型。连续886天的典型个例研究表明，该模型对次日空气质量指数的预报效果很好，在重度污染个例(≥300)中，预报准确率甚至高达87.8%。一周预报试验表明，该模式对突发性雾霾爆发或消散具有良好的敏感性，对未来3-7天的AQI预报精度具有较好的长期稳定性。
The rapid industrial development has led to the intermittent outbreak of pm2.5 or haze in developing countries, which has brought about great environmental issues, especially in big cities such as Beijing and New Delhi. We investigated the factors and mechanisms of haze change and present a long-term prediction model of Beijing haze episodes using time series analysis. We construct a dynamic structural measurement model of daily haze increment and reduce the model to a vector autoregressive model. Typical case studies on 886 continuous days indicate that our model performs very well on next day's Air Quality Index (AQI) prediction, and in severely polluted cases (AQI ≥ 300) the accuracy rate of AQI prediction even reaches up to 87.8%. The experiment of one-week prediction shows that our model has excellent sensitivity when a sudden haze burst or dissipation happens, which results in good long-term stability on the accuracy of the next 3–7 days' AQI prediction.
登录
查看更多内容
影响因子：
5
作者：
Tie, XX;Brasseur, GP;Richter, A
通讯作者：
Richter, A
影响因子：
64.8
作者：
Huang, Ru-Jin;Zhang, Yanlin;Prevot, Andre S. H.
通讯作者：
Prevot, Andre S. H.
影响因子：
5
作者：
Ji, Dongsheng;Li, Liang;Miao, Hongyan
通讯作者：
Miao, Hongyan
影响因子：
5.5
作者：
Deng, Junjun;Wang, Tijian;Zhu, Jialei
通讯作者：
Zhu, Jialei
长三角重度雾霾污染过程中亚微米气溶胶形成机制及微物理特征
影响因子：
9.8
作者：
Wang, Honglei;An, Junlin;Wang, Yuesi
通讯作者：
Wang, Yuesi