您的位置： 专家智库 > >

田海峰

作品数：1 被引量：16H指数：1
供职机构：中国科学院遥感与数字地球研究所更多>>
发文基金：国家科技支撑计划更多>>
相关领域：环境科学与工程更多>>

合作作者

文献类型

  • 1篇中文期刊文章

领域

  • 1篇环境科学与工...

主题

  • 1篇污染
  • 1篇污染预报
  • 1篇小波
  • 1篇小波分解
  • 1篇空气污染
  • 1篇空气污染预报
  • 1篇PM2.5
  • 1篇ARMA
  • 1篇ARMA模型
  • 1篇波分

机构

  • 1篇中国科学院大...
  • 1篇中国科学院遥...

作者

  • 1篇彭玲
  • 1篇李祥
  • 1篇崔绍龙
  • 1篇田海峰
  • 1篇邵静

传媒

  • 1篇环境工程

年份

  • 1篇2016
共 1 条 记 录，以下是 1-1
全选 清除 导出
排序方式：
基于小波分解和ARMA模型的空气污染预报研究被引量：16
2016年
细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。
李祥彭玲邵静崔绍龙田海峰
关键词：空气污染预报PM2.5小波分解ARMA
全选 清除 导出
共1页<1>
聚类工具0