摘要(Abstract)：
为了给大气污染防治预警预报提供参考，利用时间序列模型对大气臭氧浓度进行预测；以2020年1月1日至2020年12月31日期间366个烟台市区大气臭氧日均质量浓度作为研究数据，建立自回归移动平均模型，引入广义自回归条件异方差模型消除时间序列自回归条件异方差效应，最终构建自回归移动平均-广义自回归条件异方差时间序列模型，并对2021年1月烟台市区的大气臭氧日均浓度进行预测。结果表明，所构建的时间序列模型对大气臭氧浓度的短期预测值与实测值基本一致，但随着预测期数的增加，预测值与实测值的相对误差逐渐增大。
关键词(KeyWords)： 臭氧浓度预测;时间序列模型;自回归移动平均模型;广义自回归条件异方差模型
基金项目(Foundation): 国家自然科学基金项目(52008362);; 山东省自然科学基金项目(ZR2019PD003)
作者(Author): 王一龙,董韶妮,孙丽萍,王上
DOI: 10.13349/j.cnki.jdxbn.20230109.003
参考文献(References)：
[1] 秦瑜，赵春生.大气化学基础[M].北京：气象出版社，2003:85-86.
[2] CANELLA R,BORRIELLO R,CAVICCHIO C,et al.Tropospheric ozone effects on chlorine current in lung epithelial cells:an electrophysiological approach[J].Free Radical Biology and Medicine,2016,96(Suppl 1):S58.
[3] AVNERY S,MAUZERALL D L,LIU J F,et al.Global crop yield reductions due to surface ozone exposure:1.Year 2000 crop production losses and economic damage[J].Atmospheric Environment,2011,45(13):2284.
[4] 符传博，周航.中国城市臭氧的形成机理及污染影响因素研究进展[J].中国环境监测，2021,37(2):33.
[5] 胡忠玲.我国臭氧污染逐年加剧[J].生态经济，2020,36(9):5.
[6] 严刚，薛文博，雷宇，等.我国臭氧污染形势分析及防控对策建议[J].环境保护，2020,48(15):15.
[7] 赵秋月，李荔，李慧鹏.国内外近地面臭氧污染研究进展[J].环境科技，2018,31(5):72.
[8] 陈宫燕，德吉白玛，红梅，等.基于气象资料的林芝地区空气质量动态预报方法研究[J].气象科技进展，2013,3(6):58.
[9] 于燕，王泽华，崔雪东，等.长三角地区重点源减排对PM2.5浓度的影响[J].环境科学，2019,40(1):11.
[10] 铁治欣，程晓宁，林德守，等.基于时间序列延迟相关算法改进LSTM的臭氧浓度预测模型[J].软件工程与应用，2020,9(2):135.
[11] 朱晏民，徐爱兰，孙强.基于深度学习的空气质量预报方法新进展[J].中国环境监测，2020,36(3):10.
[12] 李梓铭，赵秀娟，孙兆彬，等.基于相似集合预报技术的臭氧预报释用研究[J].中国环境科学，2020,40(2):475.
[13] 李颖若，韩婷婷，汪君霞，等.ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用[J].环境科学，2021,42(7):3118.
[14] 李为东，李莉，徐岩.基于时间序列分析的北京地区PM2.5浓度研究[J].运筹学学报，2018,22(2):115.
[15] 赵文霞，秦志英，马玲.石家庄市道路交通环境NOx污染水平及ARMA模型预测[J].环境工程学报，2014,8(7):2952.
[16] 梁涛，谢高锋，米大斌，等.基于CEEMDAN-SE和LSTM神经网络的PM10浓度预测[J].环境工程，2020,38(2):107.
[17] 李秋芳，王杨，丁学英，等.基于GIS的石家庄市PM10和PM2.5时空分布研究[J].中国环境监测，2020,36(2):173.
[18] 田波，朴在林，郭丹，等.基于ARMA-GARCH模型的超短期风功率预测研究[J].电测与仪表，2016,53(17):12.
[19] 马斌，张莎莎，姚远.基于GARCH模型的股票市场价格操纵研究[J].济南大学学报(社会科学版),2017,27(6):129.
