摘 要：随着经济的发展，空气质量问题日渐显露，雾霾天气不断增加，而雾霾形成的主要原因是细微颗粒物，细微颗粒物能够较长时间悬浮于空气中，其浓度越高危害越大。PM2.5 作为直径小于等于 2.5 微米的颗粒物，被吸入体内后会引发哮喘、支气管炎以及心血管病等疾病，引起人们的广泛关注。因此，文章对西安市 2013 年 12 月到 2021 年 3 月的 PM2.5 浓度值共计88 条数据进行了实证研究，分别采用灰色系统预测模型 GM（1，1）、时间序列模型 AR（2）以及二者的组合模型对西安市的PM2.5 进行预测，研究结果表明组合模型的相对误差最小，预测效果最优。
关键词：PM2.5；灰色系统预测模型；ARMA（p，q）组合模型
DOI:10.19850/j.cnki.2096-4706.2022.06.003
基金项目：西安欧亚学院 2018 年度校级重点课程建设项目（2018KC022）
中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2022）06-0015-05
PM2.5 Concentration Prediction under GM（1，1）-ARMA（p，q）Combined Model—Take Xi’an City as an Example
XI Xiaoya, ZHENG Xufeng, LI Xiaoya
(Xi’an Eurasia University, Xi’an 710065, China)
Abstract: With the development of economy, air quality problems are increasingly exposed, and haze weather is increasing. The main reason for the formation of haze is fine particles. Fine particles can be suspended in the air for a long time, and the higher their concentration, the greater the harm. As particles with a diameter of less than or equal to 2.5 microns, PM2.5’s inhalation will lead to asthma, bronchitis, cardiovascular disease and other diseases, which has attracted extensive attention. Therefore, this paper studies a total of 88 data of PM2.5 concentration values from December 2013 to March 2021 in Xi’an. The grey system prediction model GM（1，1）, time series model AR (2) and their combination model are used to predict the PM2.5 in Xi’an. The study results show that the relative error of the combined model is the smallest and the prediction effect is the best.
Keywords: PM2.5; grey system prediction model; ARMA（p，q） combined model
参考文献：
[1] 胡伟，胡敏，唐倩，等 . 珠江三角洲地区亚运期间颗粒物污染特征 [J]. 环境科学学报，2013，33（7）：1815-1823.
[2] 王勖之，曾沛，刘永辉 . 上海市 PM2.5 浓度的分析与预测 [J]. 数学的实践与认识，2017，47（15）：210-217.
[3] 何承香，曾波，杨乐彬 . 基于灰色参数组合优化模型的重庆 PM_(2.5) 浓度预测与对比分析 [J]. 系统科学与数学，2021，41（10）：2855-2867.
[4] 王赛兰 . 基于多元方法和时间序列的 PM2.5 浓度分析与预测 [D]. 长沙：湖南师范大学，2019.
[5] 李佳旭.成都市PM_(2.5)浓度的影响因素分析及预测 [D].兰州：兰州大学，2020.
作者简介：席小雅（1996.12—），女，汉族，河南开封人，助教，硕士，研究方向：市场调研及商业数据分析。