基于CEEMDAN-BP-ARIMA-GARCH模型的PM2.5浓度组合预测研究

骆雅雪; 袁宏俊; 苏涵; 崔彤

doi:10.20212/j.issn.1008-2441.2026.02.001

鞍山师范学院学报 ›› 2026, Vol. 28 ›› Issue (02) : 1 -12. DOI: 10.20212/j.issn.1008-2441.2026.02.001

基于CEEMDAN-BP-ARIMA-GARCH模型的PM_2.5浓度组合预测研究

骆雅雪, 袁宏俊, 苏涵, 崔彤

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对安徽省蚌埠市PM_2.5日均浓度数据的时间变化特征，提出了一种融合CEEMDAN-BP-ARIMA-GARCH的分解集成预测方法。借助完全集合经验模态分解方法（CEEMDAN），对原始的PM_2.5时间序列数据实施多层级的分解操作；采用自回归积分移动平均（ARIMA）模型分别对各子序列实施拟合工作，检验模型是否具备自回归条件异方差效应（ARCH），若存在该效应，则进一步运用广义自回归条件异方差效应（GARCH）对相应的ARIMA模型加以修正优化；将修正后的ARIMA-GARCH模型通过反向传播（BP）神经网络进行组合以及深度优化，从而构建CEEMDAN-BP-ARIMA-GARCH的组合预测模型。实证分析表明：CEEMDAN-BP-ARIMA-GARCH模型各项误差指标均小于单项预测模型的误差指标，预测精度高。