函数型数据下广义分位数回归模型的PM2.5分析
郑禹
罗双华
周锦涛
西安工程大学理学院,西安710600
摘要：为了得到PM2.5浓度更稳健、更精准的预测结果,将广州市PM2.5浓度由离散数据化为函数型数据,引入温度、湿度、风级3个变量并结合广义分位数回归模型来研究2022-2023年广州市PM2.5问题.利用季节项分解、函数型主成分分析等方法,得出广义分位数函数,以此对未来时刻PM2.5浓度值进行预测,并利用函数型主成分分析描述PM2.5浓度函数的动态特征.分析结果显示,温度、湿度对PM2.5浓度有显著影响.将离散数据化为函数型数据后进行分析将极大提高数据的稳定性,并能更好地揭示PM2.5的规律和特征;在分位点τ=0.8时的广义分位数函数能使最终预测值与真实值拟合最好,4个主成分函数即可概述复杂多变且高维的PM2.5实时浓度.该研究达到了分析、解释、预测的目的,能为出行及PM2.5防控等提供参考.
关键词：函数型数据广义分位数回归PM2.5温度湿度风级
分类号：O212.1(概率论与数理统计)
资助基金：陕西省自然科学基金(2020JM571)陕西省自然科学基金(2021JM002)
论文发表日期：2023-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 375-380 )
英文信息