基于灰色系统的PM2.5 预测研究<br/>——以宿迁市为例

基于灰色系统的PM2.5 预测研究
——以宿迁市为例

2023-08-08葛禧戴馨黄娇娇吴嘉仪

科学咨询 2023年11期

葛禧，戴馨，黄娇娇，吴嘉仪

（1.宿迁学院文理学院，江苏宿迁 223800；2.浙江海洋大学，浙江舟山 316021）

一、背景

在全国城镇化的进程中，环境和生态不可避免地会遭到不同程度的破坏。以煤炭为主的能源消耗大幅攀升，机动车、汽车尾气等急剧增加，二氧化硫、氮氧化物、臭氧、大气颗粒物等污染物严重影响了空气质量[1]，危害了人们的身体健康。PM2.5通过呼吸进入人体后，容易刺激和腐蚀肺泡壁，损害肺部功能[2]。此外，PM2.5的危害不仅局限于哮喘、呼吸系统验证、心脑血管疾病，而且还与大脑老化、记忆衰退等多种神经退化性疾病有关[3]。党的十九大报告提出，“要像对待生命一样对待生态环境，保护好生态环境就是保护未来”。虽然宿迁市近几年的空气质量比北方其他城市更好，但也存在部分月份PM2.5含量较高的现象，所以我们有必要对其进行研究。笔者采用GM（1，1）灰色预测模型对宿迁的PM2.5水平进行预测。

二、宿迁市近几年的PM2.5 情况

宿迁市逐日空气PM2.5浓度数据来源于真气网，该网站是全国公众空气质量监测平台，专注于环境大数据的互联网化运用，包含PM2.5在内的多种有关数据。真气网能真实地评估空气污染水平和空气质量水平，可靠性较高。笔者截取该网站2013—2022年的数据，通过计算得其月平均值，具体数据如表1所示。

表1 宿迁市2013—2022 年PM2.5 浓度月均值

从表1中我们可以看出，宿迁市的PM2.5平均值较低，并且有着逐年降低的趋势。对比北京等地区，宿迁市的空气质量较好。在2013年，北京市有重度污染58天。在2016年，北京市有重度污染39天。而从2013—2021年，北京的PM2.5浓度以每年7μm/m³左右的速度下降。宿迁市近几年的空气质量都保持在优良以上，特别是建设全国文明城市以来，宿迁市的空气质量有着大幅提高。

三、PM2.5 浓度的预测

（一）模型的建立

进行一次累加得到生成时间序列：

式子中X（1）的紧邻均值生成序列：

建立方程：

白化微分方程为：

最后得出时间响应式为：

（二）GM（1，1）模型在宿迁市PM2.5 预测中的应用

1.级比检验

建立PM2.5浓度时间序列：

根据公式

求级比：

2.GM（1，1）模型的建立

笔者以表1所示宿迁市2014—2021年的PM2.5浓度年平均值数据为原始数据列，利用灰色预测GM（1，1）对PM2.5浓度进行预测，统计监测点的数据见表1。笔者选用要预测时间之前的1～4组数据来分别建立GM（1，1）模型，并对所得的预测值进行加权平均融合[4]。笔者运用Matlab 2020b编写相应的代码，得到预测结果见表2。

表2 PM2.5 的预测结果

由Matlab编写的代码可得：

X（1）=（67.916 7，128.750 0，184.500 0，238.416 7，288，335.750 0，381.416 7，417.916 7）

k=0，1，2，…，n-1，…

笔者多次调整程序，使得拟合程度最好，以便预测得出下一年的PM2.5浓度。随后，笔者将预测出来的年份作为原始数据，重新构建GM（1，1）模型，以此类推，得出宿迁市未来六年的PM2.5浓度。

四、模型的检验

笔者运用相对误差检验法来将预测值与实际数值进行比较，以此来判断预测值是否准确。

1.残差检验

2.相对误差检验

3.级比偏差检验

笔者选取前四年（2015—2018年）的数据来检验模型的误差。

从表3可以看出，利用该模型所得到的PM2.5浓度预测值与真实值的误差控制在[-0.02%，3.29%]，平均相对误差为0.017 1。模型拟合精度Q（0）=98.288 4%＞90%，说明拟合精度较高。级比偏差P（k）＜0.1，也达到了较高要求。

表3 PM2.5 预测的残差和相对误差

预测图如图1所示（横轴表示年份，纵轴表示PM2.5浓度）。

图1 对2022 年的PM2.5 的预测

五、对2027 年的PM2.5 的预测

笔者利用GM（1，1）模型得到未来六年宿迁市PM2.5的浓度情况。由图1、图2、图3、图4、图5、图6可知，PM2.5的浓度总体呈递减趋势，预测值与实际值的误差也较小。由此可见，GM（1，1）模型的预测精度良好。借助GM（1，1）模型，我们可以在生活中有针对性地提出预防措施，从而提高空气质量。我们借助GM（1，1）模型预测PM2.5的浓度可以减少由空气污染所引发的疾病。PM2.5的数值变化也可以增强人们的环保意识，如此循环往复，促进环境效益与社会效益的统一。