目录
摘要 I
1绪论 1
1.1研究背景及意义 1
1.1.1选题背景 1
1.1.2研究意义 1
1.2研究内容 2
1.3 指导思想 2
1.4研究目标 2
2文献综述 3
2.1国内研究综述 3
2.2国外研究综述 3
2.3应用前景 4
3.空气质量预测和时间序列分析算法设计 5
3.1空气质量预测 5
3.2时间序列分析 6
3.2.1 平稳性与差分法 6
3.3 ARIMA模型 6
3.3.1模型概况 7
3.4建立ARIMA模型的过程 8
3.4.1 模型识别和定阶 8
3.4.2参数估计 12
3.4.3模型检验 12
4.模型预测的实现 13
4.1时间序列的获取 13
4.2时间序列的预处理 13
4.3误差分析 17
4.4结果分析及预测结论 17
5结论与展望 19
5.1总结 19
5.2展望 19
参考文献 20
致谢 I
附件 II
基于时间序列分析的空气质量预测
摘要
由于人类社会的不断发展，空气质量在不断恶化，空气质量的预测也随之产生。空气质量的预测涉及到人们的日常活动和健康寿命。空气质量的预测就是对空气中的主要污染气体PM2.5、PM10、一氧化碳、二氧化硫、二氧化氮和臭氧浓度数据进行获取。综合上述污染物浓度指标用来评价空气质量。利用时间序列分析来预测空气质量可以有效的对上述成分进行预测并且能节约预测成本。，由于各个空气质量数据是在短时间内的预测，并且在一段时间内无较大的变化，属于平稳时间序列，因此选用ARIMA模型的时间序列分析方法来进行预测效果较好。在确立模型的各个系数和差分阶数后，再用时间序列分析的算法和SPSS软件进行预测，对预测出的各项数据和事实数据进行对比，发现误差较小，符合预测精度的要求，说明预测算法可靠。 *51今日免费论文网|www.51jrft.com +Q: ^351916072^ 
最后利用预测模型再对当前数据去预测之后一周的空气质量数据结果，并且根据预测出的空气环境质量找出相关的解决措施，指导人们未来的活动

原文链接：http://www.jxszl.com/jsj/xxaq/606982.html