时间序列分析在大气环境中的应用

以西安市2004—2008年PM10月平均浓度时间序列为例,应用小波分解和重构对PM10浓度时间序列的变化进行了分析,得到了PM10的年变化趋势和突变特征。将时间序列平稳化预处理后,根据时间序列的自相关和偏自相关图进行判断,得到合适的时间序列模型ARIMA(1,1,1)(2,0,0)S,然后进行参数估计得到模型的各个参数。利用得到的模型对2009—2010年西安市PM10浓度值进行预测,研究结果表明,将小波分析和ARIMA(1,1,1)(2,0,0)S应用于大气污染物浓度时间序列的分析是可行的。