基于GAM方法的组合预测模型及其应用

卢整智,高小燕,施晓燕

(1.兰州城市学院 数学学院，甘肃 兰州 730070；2.甘肃农业大学 理学院，甘肃 兰州 730070；3.西南财经大学 统计学院，四川 成都 611130)

0 引言

近年来，我国许多城市空气质量恶化，不断遭到灰霾天气的侵袭，尤其是2013年春冬两季我国出现大范围、持续性霾污染，致使PM2.5成为热议.PM2.5指环境空气中空气动力学当量直径小于等于 2.5 微米的颗粒物，它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重，与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质，且在大气中的停留时间长、输送距离远，对人体健康和大气环境质量产生了非常严重的影响.因此，对PM2.5浓度做出科学的预测已成为城市环境质量监控的重要指标.纵观国内外对PM2.5浓度的预测研究，大多采用的是单项预测模型，比如张玉丽等[1]和刘文军等[2]运用了多元回归模型；许晟昊[3]和谢心庆等[4]采用了时间序列模型；韩婧等[5]采用了灰色预测模型；刘宇轩等[6]和李燚航等[7]采用了机器学习等预测方法，这些方法各有偏重，各有优势，但预测精度普遍不高.陈华友等[8]和程春英等[9]的研究表明，预测精度低是因为PM2.5不是一种单一成分的空气污染物，而是由许多不同的化学成分一起组成的复杂可变的大气污染物，单一模型很难全面、准确地反映PM2.5浓度的变化规律，所以预测精度较差.针对这一问题，本文尝试采用灵活稳健的非参方法GAM模型从非线性的角度将单个预测……