针对数据样本较少,且时间序列不连续的邯郸重度污染日的空气质量指标数据,采用基于数据分组的分数阶GM(1,1)模型(The data grouping GM(1,1) model with fractional order accumulation,简称DGFGM(1,1)),对邯郸地区2018-2019年12月28、2...针对数据样本较少,且时间序列不连续的邯郸重度污染日的空气质量指标数据,采用基于数据分组的分数阶GM(1,1)模型(The data grouping GM(1,1) model with fractional order accumulation,简称DGFGM(1,1)),对邯郸地区2018-2019年12月28、29、30日三天的AQI及PM2. 5、PM10、NO2的日均浓度进行预测。使用该模型预测的AQI、PM2. 5、PM10和NO2的MAPE分别为2. 89%、3. 28%、3. 83%、3. 23%,表明DGFGM(1,1)模型具有良好的预测性能。预测结果显示,在当前的治理力度下,邯郸地区空气重污染的发生仍然难以避免,有些污染物浓度不降反升,除2018-2019年的12月30日的NO2外,其他时间的所有污染物浓度全部超过标准限值,污染情况相当严重。当地有关部门应重视对极端重度污染天气的预防和治理,使得大气环境质量得以全面提升。展开更多
文摘针对数据样本较少,且时间序列不连续的邯郸重度污染日的空气质量指标数据,采用基于数据分组的分数阶GM(1,1)模型(The data grouping GM(1,1) model with fractional order accumulation,简称DGFGM(1,1)),对邯郸地区2018-2019年12月28、29、30日三天的AQI及PM2. 5、PM10、NO2的日均浓度进行预测。使用该模型预测的AQI、PM2. 5、PM10和NO2的MAPE分别为2. 89%、3. 28%、3. 83%、3. 23%,表明DGFGM(1,1)模型具有良好的预测性能。预测结果显示,在当前的治理力度下,邯郸地区空气重污染的发生仍然难以避免,有些污染物浓度不降反升,除2018-2019年的12月30日的NO2外,其他时间的所有污染物浓度全部超过标准限值,污染情况相当严重。当地有关部门应重视对极端重度污染天气的预防和治理,使得大气环境质量得以全面提升。