数据分解模式下PM 2.5 与气态污染物的组合预测研究

大气污染治理是我国实现生态文明的必经之路，制定有效性的大气治理方案，作为参考的大气污染物月均浓度预测结果是至关重要的.针对大气环境污染物月均浓度时间序列的高噪音、非平稳和非线性等特点，本文提出一种基于数据分解模式的组合预测模型.上海市的实例验证及与其他3种模型的对比研究表明：本文所提出的组合预测模型适用于政策制定所需但样本量受限的月均或年均数据预测；所提出的子序列重构的新模式比传统求和算法重构模式提高预测精度12.5%；相较于其他模型，其预测性能最优（绝对百分比误差的均值仅为9.05，且对历史拟合的皮尔逊系数均为0.90以上）.实现了对大气污染物月均浓度高精度预测，可为相关政策的制定提供科学的定量参考.