摘要：空气质量指数（AQI）用于表征空气清洁或污染情况，以及对人体健康的影响。本文选取两种预测方法对杭州市空气质量指数进行预报，一是利用杭州市月度历史空气质量指数数据建立时间序列ARIMA预测模型，对未来三个月杭州市月均空气质量指数进行预测，发现短期预测效果要优于长期。二是通过降水量、日照时数等一系列气象指标构建杭州市逐日空气质量指数预测的BP神经网络，进行训练和仿真以后发现对短期预测效果较为理想。

关键词：空气质量指数 ；ARIMA模型 ；BP神经网络 ；杭州市

目录

摘要

Abstract

1  引  言-1

2  文献综述-1

3 杭州市月度空气质量指数ARIMA模型-2

3.1 ARIMA模型理论-2

3.2 数据选取-3

3.3 空气质量指数的ARIMA模型-4

3.3.1平稳性检验-4

3.3.2数据处理-5

3.3.3模型定阶-6

3.3.4参数估计-8

3.3.5模型诊断-8

3.3.6模型应用-9

4 杭州市日度空气质量指数BP神经网络-10

4.1 BP神经网络理论-10

4.2 数据来源与数据预处理-10

4.2.1 数据来源-11

4.2.2 数据预处理-11

4.3 BP神经网络构建-11

4.3.1 节点数的确定-12

4.3.2 网络训练和仿真-12

5  结论建议与不足-15

5.1 结论与建议-15

5.2 不足之处-15

参考文献-17

附录A 风向十六方位表-19

附录B  ARIMA模型的R语言实现程序-19

附录C  BP神经网络的Matlab实现程序-20