论文部分内容阅读
空气质量指数（AQI）是衡量区域环境空气的综合性指标，可通过计算二氧化硫、二氧化氮、一氧化碳、臭氧、可吸入颗粒物和细颗粒物六种污染因子的空气质量分指数而获得。本文选用时间序列分析方法，以北京市12个自动空气站点，从2014年5月到2017年12月的AQI日均值历史数据为研究对象，开创性的将应用于经济和商业分析的基于可加回归模型的Prophet程序用于预测AQI的变化。通过数据整理和处理、定义模型、训练模型、构建预测集和进行预测等工作，来分析研究对象的变化规律。进行AQI的预测研究，可以为环境管理部门制定环境保护决策和污染防治措施提供帮助，还可以为人们的生活和工作提供参考，从而降低大气污染对人体造成的伤害。 从地理位置上分析，北京市北部地区的AQI增长趋势小于南部地区，从时间上分析北京市AQI整体表现出逐年下降的趋势，证明近年来大气污染的防治初见成效；节假日对AQI的影响较大，其中春节前后受人为因素（燃放烟花爆竹等）影响AQI上升，而清明节期间降低；一年中AQI增长呈现出冬季＞春季＞秋季＞夏季的季节性规律，周变化呈现出周一至周五持续上升，周六和周日开始下降的规律，与人们的作息规律相符，这说明AQI的变化与人为因素息息相关。在对研究区2018年1月到3月的AQI变化趋势进行预测后，与实测值进行验证得出：研究模型预测准确度平均MAE为46.3，模型对研究区AQI整体变化趋势预测效果较好，但对不满足历史规律的突发情况处理不好，预测结果出现较大偏差，后续还要结合多方面因素调整优化模型从而提高预测的准确度。