运用ARMA模型预测河口县渡口监测点位五日生化需氧量污染趋势

关锐

摘 要：本文讨论的主要问题是时间序列分析和在环境监测污染预测范围的应用。本文使用了红河州河口县红河某个支流河流的单一点位的六年数据，使用时间序列arma（自回归滑动平均模型）模型对该河流单一点位渡口进行模型拟合。并使用拟合出的arma（3，3）模型对该点位未来两年数据进行预测，并对2005到2013年的数据也做了预测，并把2005到2013年预测的数据与2005到2013年预测的数据进行对比，发现平均误差为8.25%，达到可接受水平，所以该模型可以用来对该点位的五日生化需氧量，进行污染预测，预测的数据能很好的帮助环境管理决策。

关键词：环境监测；污染；时间序列；arma；预测

中图分类号：X52 文献标识码：A 文章编号：1671-2064（2017）11-0011-02

1 时间序列技术和ARMA模型介绍

1.1 时间序列

所谓的时间序列是用时间记录列表排序的数据为研究依据，观察时间序列，寻找他的改变轨迹，预测其未来发展趋势。在日常生产、生活中，时间序列应用比比皆是。作为数理统计学的一个专业分支。时间序列遵循数理统计的基本原理[1]。

1.2 ARMA基本概念

广泛稳定：随着时间的推移，该序列的统计特性不改变只是时间间隔相关。AR模型：AR模型另外的称呼为自回归模型，回归模型预测过去和现在的观测干扰值是一个数学公式的方式线性组合。自回归模型的数学公式为：

式（1）中：y为自回归模型的阶数（i=1，2，...，p）为模型的待定系数参数，ξ为误差，序列为一个平稳时间序列。

MA模型：MA模型也称为滑动平均模型。它对数据预测形式是通过过去和现在的干扰干扰值预测值的线性组合。……