函数型数据下广义分位数回归模型的PM2.5分析

作者：郑禹; 罗双华^*; 周**

来源：湖北民族大学学报(自然科学版), 2023, 41(03): 375-380.

DOI：10.13501/j.cnki.42-1908/n.2023.09.014

• 函数型数据
• 广义分位数回归
• PM2.5
• 温度
• 湿度
• 风级

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。

• 单位
  西安工程大学