摘要
以西安市2006年9月27日至2008年5月3日每日的SO2浓度时间序列为例,应用非参数回归中的局部多项式法对SO2浓度时间序列的变化进行分析,得到SO2的变化趋势和突变特征。对局部多项式估计法进行处理,得到预测模型,应用该模型对2008年4月4日至2008年5月3日的SO2浓度值进行了预测,并与时间序列分析法、BP神经网络模型所得结果进行对比。最后利用局部多项式估计方法对SO2浓度一元线性模型的残差进行分析。研究结果表明,用非参数局部多项式法在3种方法中预测效果最好,用此方法进行大气污染物的数据分析是可行的。
以西安市2006年9月27日至2008年5月3日每日的SO2浓度时间序列为例,应用非参数回归中的局部多项式法对SO2浓度时间序列的变化进行分析,得到SO2的变化趋势和突变特征。对局部多项式估计法进行处理,得到预测模型,应用该模型对2008年4月4日至2008年5月3日的SO2浓度值进行了预测,并与时间序列分析法、BP神经网络模型所得结果进行对比。最后利用局部多项式估计方法对SO2浓度一元线性模型的残差进行分析。研究结果表明,用非参数局部多项式法在3种方法中预测效果最好,用此方法进行大气污染物的数据分析是可行的。
出处
《环境工程》
CAS
CSCD
北大核心
2010年第S1期343-346,共4页
Environmental Engineering
基金
西安交通大学交叉学科项目(2009XJTUJC10)
关键词
非参数回归
局部多项式
数据分析
大气环境
non-parametric regression
local polynomial model
data analysis
atmospheric environment