隐含动态地理统计校准模型——以PM2.5污染分析为例

作者：王雅琼; 徐敏亚; 王菲菲^*

来源：数理统计与管理, 2021, 40(02): 191-204.

DOI：10.13860/j.cnki.sltj.20201205-001

• 时空模型
• 校准系数
• EM算法
• PM2.5

近年来,伴随着快速的工业化以及大量的能源消耗,PM2.5污染成为突出环境问题,各地区雾霾现象频现。探索PM2.5污染物的时空演变过程及形成机制受到越来越多的关注。与此同时,由于实际中电压波动、气候异常、仪器故障、不当维护等因素的影响,空气污染监控网络站点中的数据可能会偏离真实值。因此,本文提出了一种双水平分层时间空间模型,即隐含动态地理统计校准模型,并使用卡尔曼滤波器和期望—最大化(EM)算法进行模型估计。该模型通过将动态随机场作为随机隐变量,来刻画空气污染物的变化规律,并且通过引入加法和乘法校正系数,来检验监控站点数据的偏差。本文将该模型应用于河北省36个站点的PM2.5小时数据,通过控制其它污染物和气象变量的影响,对PM2.5污染的影响因素给出了合理的解释,并且基于校正系数发现了读数准确性存疑的站点。

• 单位
  中国人民大学