季节因素修正后GM(1,1)模型在上海市PM2.5浓度预测中的应用

目的 根据上海市2015年至今PM_2.5月均浓度数据进行建模预测，以期为PM_2.5预测研究方法提供新思路。方法 将季节性影响因素引入灰色预测模型(grey model, GM),建立季节因素修正后GM(1,1)模型，与传统季节性自回归积分滑动平均模型(autoregressive integrated moving average model, ARIMA)比较，选择2015—2021年数据进行建模预测，将2022年1～10月数据作为验证集进行预测效果评价，并对2022年11～12月上海市PM_2.5月均浓度作预测。结果 季节性ARIMA模型验证集RMSE=4.02,MAPE=15.50%。季节因素修正后GM(1,1)模型验证集RMSE=3.30,MAPE=11.59%。利用季节因素修正后GM(1,1)模型预测2022年11～12月上海市PM_2.5月均浓度水平分别为24.99、34.83μg/m³。结论 季节因素修正后GM(1,1)模型预测效果可优于季节性ARIMA,在对PM