基于贝叶斯分层自回归时空模型的北京PM2.5预测
DOI:
作者:
作者单位:

南京信息工程大学 数学与统计学院

作者简介:

通讯作者:

中图分类号:

基金项目:

江苏省自然科学基金(BK20191394); 国家社会科学基金重大项目(16ZDA047)。


PREDICTION OF BEIJING PM2.5 CONCENTRATION BASED ON BAYESIAN HIERARCHICAL AUTOREGRESSIVE SPATIO-TEMPORAL MODEL
Author:
Affiliation:

School of Mathematics and Statistics, Nanjing University of Information Science and Technology

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    本文提出一种贝叶斯框架下的分层自回归时空模型,用于解决PM2.5的多站点同步预测问题。将PM2.5日均浓度真实值视为潜在时空过程,利用一阶自回归过程刻画时间相关性,并基于Matérn过程捕获空间相关性,极大程度地提高了降维和同步预测的效率;此外,还将日最高温度、相对湿度和风速等气象因素作为解释变量,用于提升PM2.5的预测效果;借助于模型的分层结构,通过贝叶斯方法结合MCMC实现参数估计和预测过程。对北京市日均PM2.5浓度的实证分析表明,模型在空间和时间维度上均有良好的插值或预测效果。

    Abstract:

    In order to solve the problem of simultaneous multi-site PM2.5 prediction, a hierarchical autoregressive spatio-temporal model is proposed under the Bayesian framework. The true daily average concentration of PM2.5 is regarded as a potential spatio-temporal process. The first-order autoregressive process is used to describe the temporal correlation, and the spatial correlation is captured based on the Matérn process, which greatly improves the efficiency of dimension reduction and synchronous prediction. In addition, meteorological factors such as daily maximum temperature, relative humidity and wind speed are used as explanatory variables to improve the accuracy of prediction. Thanks to the hierarchical structure of the model, the parameter estimation and prediction process can be realized by Bayesian method and MCMC. The empirical analysis of daily PM2.5 concentration in Beijing shows that the proposed model has good interpolation or prediction effect in spatial and temporal dimensions.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-11-18
  • 最后修改日期:2022-03-01
  • 录用日期:2022-03-01
  • 在线发布日期:
  • 出版日期:

地址:江苏南京,宁六路219号,南京信息工程大学    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2022 版权所有  技术支持:北京勤云科技发展有限公司