基于GCM（1,N）自适应关联组合模型的PM2.5浓度预测

摘要

PM2.5浓度的变化与雾霾灾害天气的发生有着内在的必然联系,准确预测PM2.5浓度变化趋势,对有效防治大范围雾霾灾害天气的发生具有重要指导作用。本研究根据PM2.5浓度受多因素扰动的灰特性,采用等维灰递补的方法,及时补充新的灰信息,构建了PM2.5主影响因子灰关联计算模型;同时引入灰控制参数对GM（1,N）模型进行改进,满足多影响因素条件下的精确预测,将二者结合建立了适应于不同N元的GCM（1,N）自适应预测模型。通过对北京地区实测数据的应用和分析,GCM（1,N）计算预测模型精度达到89.75%96.44%,PM2.5浓度预测相对误差在7.32%15.21%之间,取得了较好的预测效果。