基于贝叶斯分层自回归时空模型的北京PM_(2.5)预测
Prediction of PM_(2.5) concentration in Beijing based on Bayesian hierarchical autoregressive spatio-temporal model作者机构:南京信息工程大学数学与统计学院南京210044
出 版 物:《南京信息工程大学学报(自然科学版)》 (Journal of Nanjing University of Information Science & Technology(Natural Science Edition))
年 卷 期:2023年第15卷第1期
页 面:34-41页
学科分类:07[理学] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学]
基 金:江苏省自然科学基金(BK20191394) 国家社会科学基金重大项目(16ZDA047)。
主 题: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)
摘 要: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.