论文部分内容阅读
本文首先从真气网选取蚌埠市2018年6月1日至2019年5月31日的PM2.5日浓度数据作为样本数据,接着运用EVIEWS10.0软件并借助由Box和Jenkins创立的ARIMA(p,d,q)模型对样本数据进行合理建模,并验证所建立的AR(1)模型的合理性;然后运用所建立的AR(1)模型对蚌埠市2019年6月2日至2019年6月6日的PM2.5日浓度进行预测,最后将预测结果与实际值进行比较,结果表明:使用建立的AR(1)模型对蚌埠市短期内PM2.5浓度预测所得值与蚌埠市PM2.5浓度的实际值相对误差较小