基于时间序列模型的上海市空气质量指数预测.doc

摘要： 本文基于上海市2017年1月1日至2018年2月15日之间共412天的空气质量指数（AQI）逐日数据，利用Eviews软件，寻找时间序列本身的规律与结构，经过多次模型拟合后发现自回归滑动平均模型ARMA（1,1）为最优模型，模型中各个参数显著性t检验的P值，且赤池信息准则（AIC值）与贝叶斯信息准则（BIC值）都最小。利用该模型预测未来7天的上海市空气质量指数，对比模型预测值与实际值，平均相对预测误差为18.91367765%，由此得出ARMA（1,1）模型具有较高的拟合度与预测精度，可以对上海市空气质量指数做出较为理想的短期预测。

关键词：时间序列模型预测，空气质量指数（AQI），差分自回归滑动平均模型（ARIMA）

目录

摘要

Abstract

一、导论-3

（一）研究背景和意义-3

（二）文献综述-4

（三）研究思路-5

二、ARIMA模型建模思路-6

（一）建模原理-6

（二）建模步骤-7

三、ARIMA模型建模过程-8

（一）数据来源-8

（二）录入数据-8

（三）平稳性检验-8

（四）模型识别和定阶-10

（五）参数估计-11

（六）模型检验-13

（七）模型预测-13

四、预测结果分析-15

五、结论-18

六、参考文献-20