基于贝叶斯分层自回归时空模型的北京PM_(2.5)预测

作者：王静; 曹春正

来源：南京信息工程大学学报(自然科学版), 2022, 1-8.

• 贝叶斯
• 分层模型
• 自回归
• 时空模型
• PM_(2.5)预测
• 马尔可夫链蒙特卡罗(MCMC)

为解决PM_(2.5)的多站点同步预测问题，提出一种贝叶斯框架下的分层自回归时空模型。将PM_(2.5)日均浓度真实值视为潜在时空过程，利用一阶自回归过程刻画时间相关性，并基于Matérn过程捕获空间相关性，极大程度地提高了降维和同步预测的效率。此外，还将日最高温度、相对湿度和风速等气象因素作为解释变量，用于提升PM_(2.5)的预测效果。借助模型的分层结构，通过贝叶斯方法结合马尔可夫链蒙特卡罗(MCMC)算法实现参数估计和预测过程。对北京市日均PM_(2.5)浓度的实证分析表明，模型在空间和时间维度上均有良好的插值或预测效果。

• 单位
  南京信息工程大学