节假日效应下的PM2. 5浓度预测

近年来, 节假日效应带来的环境负担日趋严重,PM_{2. 5}在节假日期间的浓度预测工作变得尤为重要。考虑气象因素、大气污染物以及大气可降水量(PWV)等数据影响, 基于桂林电子科技大学尧山校区、桂林市环境监测站、龙隐小学和桂林市第八中学4 个空气质量监测站点在2014—2019 年春节期间的PM_{2. 5}浓度变化情况, 分别比较多元线性回归模型、神经网络模型和ARIMA 模型的适用性。结果表明: 对整月预测而言, 多元线性回归模型在电子科大尧山校区预测适用性最佳, 神经网络模型在环境监测站、龙隐小学和第八中学预测效果最好; 对春节前后各一周时段预测结果来说, 多元线性回归模型在桂林电子科技大学尧山校区、龙隐小学和第八中学站点预测精度最高, ARIMA 模型在监测站预测精度最高。