基于ARIMA模型的辽河流域水质主要指标预测研究

郭 杨，丁振军

(辽宁省生态环境监测中心，辽宁 沈阳 110161)

1 引言

水资源是人类生存不可或缺的物质资源，也是生态环境的重要组成部分，水资源水体的质量一直受到人们的广泛关注。辽河流域是全国七大流域之一，是国家重点治理的“三河三湖”之一。辽河流域的水环境质量的好坏直接影响流域人们的健康。随着辽宁省水污染治理力度的加大，辽河流域水质明显改善。根据2020年中国环境公报显示，辽河流域为轻度污染，主要污染指标为化学需氧量、高锰酸盐指数和五日生化需氧量[1]。在水环境质量管理和控制的工作中，需要了解和掌握水环境质量在未来的变化趋势，辽河流域水质能否继续保持良好态势，是否存在超标风险，对全省未来水环境形势进行预判对未来水污染防治工作方向可以提供参考。

2 预测方法

目前较为常用的水质预测方法有灰色系统理论法[2～4]、人工神经网络法[5，6]和时间序列分析法[7]等。其中时间序列法是指基于历史数据利用统计方法建立模型预估未来水质情况。时间序列预测方法分为自回归模型(AR)、移动平均模型(MA)、自回归移动平均模型(ARIMA)等，尤其以ARIMA模型最为经典，它融合了时间序列和回归分析优点，并且适用于平稳时间序列，在预测分析中应用最为广泛。童俊以氨氮为例，构建SVR-ARIMA组合模型预测了金泽水库取水口的水质[8]。Parmar等使用自回归整合移动平均时间序列模型预估了未来的水质参数值，为水质管理决策提供基础[9]，罗学科等采用ARIMA-SVR组合方法预测了巢湖水域pH值和溶解氧浓度[10]。……