基于时间序列的流域氟化物预测模型研究

摘要

采用时间序列分析方法拟合具有趋势性和季节性的流域水体中氟化物含量并进行预测。利用清水江流域2013—2018年的每月氟化物监测数据,用差分和季节差分方法对监测数据进行平稳化,采用ARIMA乘积季节模型(p,d,q)(P,D,Q)s拟合序列,应用残差和BIC进行模型参数调整,建立氟化物时间序列预测模型,并对测试集月均氟化物浓度进行了预测。预测结果虽然与实测结果有差距,对可能产生预测误差的原因进行了讨论分析,表明本模型受环保控污政策及季节气候变化、人类活动等因素影响显著。