基于ARIMA模型的乌鲁木齐市颗粒物PM10污染特征及趋势分析

职业与健康 ›› 2024, Vol. 40 ›› Issue (15): 2086-2090.

基于ARIMA模型的乌鲁木齐市颗粒物PM₁₀污染特征及趋势分析

陈佩弟^1a, 周明璋², 肖婷婷^1a, 郑帅印^1a, 刘晓航^1b

1.新疆第二医学院 a公共卫生学院,b药学院,新疆克拉玛依 834000;
2.新疆医科大学研究生学院,新疆乌鲁木齐 830000

收稿日期:2023-12-12 修回日期:2024-01-08 发布日期:2026-03-17
通信作者: 刘晓航,讲师,E-mail：2316578407@qq.com
作者简介:陈佩弟,男,讲师,主要从事健康促进方面工作。
基金资助:
2022年新疆维吾尔自治区区级大学生创新创业训练计划项目（S202213560013）; 新疆维吾尔自治区高校科研计划项目（XJEDU2022P147）; 新疆第二医学院青年科学基金项目（QK202211）

Analysis on characteristics and trend of PM₁₀ pollution in Urumqi City based on ARIMA model

CHEN Peidi^1a, ZHOU Mingzhang², XIAO Tingting^1a, ZHENG ShuaiYin^1a, LIU Xiaohang^1b

1. a School of Public Health, b College of Pharmacy, Xinjiang Second Medical College, Karamay, Xinjiang 834000, China;
2. Graduate School, Xinjiang Medical University, Urumqi, Xinjiang 830000, China

Received:2023-12-12 Revised:2024-01-08 Published:2026-03-17
Contact: LIU Xiaohang,Lecturer,E-mail：2316578407@qq.com

摘要/Abstract

摘要： 目的拟合最优预测模型,探讨乌鲁木齐市可吸入颗粒物（inhalable particles,PM₁₀）污染时间分布特征及趋势变化,为推进大气治理提供参考依据。方法以2016—2022年乌鲁木齐市颗粒物PM₁₀监测资料为基础,构建颗粒物PM₁₀月均浓度数据库,应用自回归集成移动平均模型（autoregressive integrated moving average model,ARIMA）分别拟合颗粒物PM₁₀预测模型及对其分布特征进行分析,并预测2023—2024年颗粒物PM₁₀浓度趋势变化。结果 2016—2022年乌鲁木齐市颗粒物PM₁₀月均浓度数值比较,差异有统计学意义（P<0.01）;最优模型为ARIMA（0,0,1）（1,1,0）₁₂;月均浓度值逐年减小,每年的1、2、12月浓度值达到最大;经预测,2023—2024年乌鲁木齐市颗粒物PM₁₀月均浓度变化趋势与2016—2022年一致。结论最优模型为ARIMA（0,0,1）（1,1,0）₁₂;乌鲁木齐市颗粒物PM₁₀月均浓度每年呈现秋冬季节高,呈逐年降低的趋势变化,该模型可对乌鲁木齐市颗粒物PM₁₀月均浓度进行有效的短期预测分析。

关键词: 大气颗粒物, 时间序列分析, 预测

Abstract: Objective To fit the optimal prediction model and explore the temporal distribution characteristics and trend changes of inhalable particles（PM₁₀） pollution in Urumqi City,providing reference for promoting atmospheric governance. Methods Based on the monitoring data of PM₁₀ in Urumqi City from 2016 to 2022,the database of PM₁₀ monthly average concentration was constructed, and the autoregressive integrated moving average model（ARIMA） was used to fit the prediction model of PM₁₀ and analyze its distribution characteristics,and forecast the trend change of PM₁₀ concentration from 2023 to 2024. Results There was a statistically significant difference in the monthly average concentration of PM₁₀ in Urumqi City from 2016 to 2022（P<0.01）,and the optimal model was ARIMA（0.0,1）（1,1,0）₁₂. The monthly average concentration values of PM₁₀ in Urumqi City had been decreasing year by year,reaching their maximum values in January,February and December. According to the prediction,the monthly average concentration of particulate matter PM₁₀ in Urumqi City from 2023 to 2024 was consistent with that from 2016 to 2022. Conclusion The optimal model is ARIMA（0,0,1）（1,1,0）₁₂. The monthly average concentration of PM₁₀ in Urumqi City shows a trend of increasing in autumn and winter,and decreasing year by year. This model can effectively predict and analyze the monthly average concentration of PM₁₀ in Urumqi City in the short term.

Key words: Atmospheric particulate matter, Time series analysis, Prediction

中图分类号:

R181.3⁺4

陈佩弟, 周明璋, 肖婷婷, 郑帅印, 刘晓航. 基于ARIMA模型的乌鲁木齐市颗粒物PM₁₀污染特征及趋势分析. [J]职业与健康, 2024, 40(15): 2086-2090.

CHEN Peidi, ZHOU Mingzhang, XIAO Tingting, ZHENG ShuaiYin, LIU Xiaohang. Analysis on characteristics and trend of PM₁₀ pollution in Urumqi City based on ARIMA model. [J]OCCUPATION AND HEALTH, 2024, 40(15): 2086-2090.

参考文献

[1] 林珊珊,何慧慧,贾瑞,等.大气污染与气象因素对郑州市不同人群和急慢性呼吸系统疾病的影响[J].职业与健康,2023,39(5):577-583,588.
[2] 巢晓琴,张荣,阿迪拉·苏力旦,等.2015—2021年新疆部分地区大气污染物与肺癌发病人数的时间序列关联分析[J].职业与健康,2023, 39(17):2310-2317.
[3] 江文斌,鲁柯柯,何加芬,等.2016—2020年南昌市大气PM_2.5短期暴露对人群循环系统疾病超额死亡的风险评估[J].环境卫生学杂志,2023,13(4):280-285.
[4] 褚一凡. 大气颗粒物和植被覆盖与心血管代谢性疾病的关联性研究[D].蚌埠:蚌埠医学院,2023.
[5] 陈雨萌,曹淦翔,冯浩,等.我国中老年人大气PM_2.5长期暴露与肝脏疾病发病关系的前瞻性队列研究[J].环境卫生学杂志,2023,13(3):162-169.
[6] 宋孝光,武昊,付俊杰,等.2016—2020年江西省南昌市大气污染物与儿童呼吸疾病门诊病例数的时间序列关联研究[J].现代预防医学,2022,49(14):2539-2545,2552.
[7] 李燃,夏依章,张艳,等.2020年成渝地区大气污染所致老年人群健康风险评估及预测分析[J].中国医药导报,2023,20(14):159-162.
[8] 孙凤霞,先兆娟,韦丽,等.南京市大气PM_2.5污染控制对循环系统疾病的健康收益评估[J].现代预防医学,2023,50(11):1970-1974.
[9] 张广来,张宁.健康中国战略背景下空气污染的心理健康效应[J].中国人口·资源与环境,2022,32(2):15-25.
[10] 张佳音,郭云飞,肖一一,等.陕西区域环境空气质量时空特征[J].中国沙漠,2023,43(3):36-46.
[11] 赵艳艳,张晓平,陈明星,等.中国城市空气质量的区域差异及归因分析[J].地理学报,2021,76(11):2814-2829.
[12] 安玉琴,丁婷婷,王苏玮,等.2015—2019年石家庄市市区空气污染物监测分析[J].职业与健康,2022,38(4):521-524.
[13] 张浩玲,林海,李俊毅,等.2015—2018年中山市大气污染物与急性心脑血管疾病发病的广义相加模型分析[J].职业与健康,2022, 38(18):2541-2545.
[14] 张宇晶,刘瑶,廖岩,等.集中空调通风系统送风PM₁₀卫生问题的文献分析[J].职业与健康,2023,39(14):1999-2002,2008.
[15] 刘励坤,刘婷婷,许瑞君,等.大气污染物短期暴露对自杀死亡风险的影响[J].环境卫生学杂志,2022,12(12):862-869.
[16] 谢惠芳,陈佩弟,孙高峰.2015—2019年乌鲁木齐市大气污染物(PM_2.5和PM₁₀)对呼吸系统疾病死亡的影响[J].职业与健康,2021,37(17):2406-2411.
[17] 朱翠云,何清,赵竹君,等.乌鲁木齐市区与南郊山区颗粒物污染特征对比分析[J].中国环境科学,2022,42(9):4073-4085.
[18] PANTELIS L,VASILIS P,THEODOR P,et al.CO₂ concentration forecasting in smart cities using a hybrid ARIMA-TFT model on multivariate time series IoT data[J].Scientific Reports,2023,13(1):17266-17266.
[19] 蒋建国,孙定勇,张艳秋,等.应用ARIMA模型对河南省肺结核流行趋势预测分析[J].现代疾病预防控制,2023,34(7):495-499,563.
[20] 陈佩弟,孙高峰,谢惠芳.乌鲁木齐市大气污染时空分布特征及不同年龄段人群健康风险评价研究[J].职业与健康,2021,37(18):2531-2537.
[21] 刘子龙,代斌,崔卓彦,等.大气污染物浓度变化特征及潜在源分析——以乌鲁木齐为例[J].干旱区研究,2021,38(2):562-569.
[22] 徐冰钰,亚森·麦麦提,闫琪.2015—2019年乌鲁木齐市气象因素对大气污染物的影响及污染物变化趋势分析[J].职业与健康,2022, 38(20):2828-2833.
[23] 黄琦,杨凌霄,李岩,等.济南城区大气PM_2.5、PM_1.0的污染特征及大气传输[J].山东大学学报(工学版),2020,50(1):95-100,108.
[24] 李丽光,李晓岚,赵梓淇,等.沈阳近地层大气颗粒物浓度垂直变化特征及与气象因子的关系[J].气象与环境学报,2021,37(1):16-25.
[25] 彭旭,谌冉冉,彭欣城,等.居民对“煤改气”政策的满意度及其影响因素[J].现代商贸工业,2019,40(23):145-146.
[26] 环境保护部,国家质量监督检验检疫总局.环境空气质量标准:GB3095—2012[S/OL].(2018-07-10)[2023-10-24].http://www.doc88.com/p-2671792528398.html.

基于ARIMA模型的乌鲁木齐市颗粒物PM₁₀污染特征及趋势分析

Analysis on characteristics and trend of PM₁₀ pollution in Urumqi City based on ARIMA model

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	武金聪, 席蓉, 蔡文斌, 杨开芬, 李成胜, 赵珍. 2005—2023年腾冲市丙型肝炎流行特征分析及趋势预测[J]. 职业与健康, 2026, 42(4): 496-500.
[2]	孙炜玮, 安吉, 邢娜, 高思琦, 牛犇, 丁亚兴. 2014—2023年天津市河西区百日咳流行特征与发病趋势分析[J]. 职业与健康, 2026, 42(2): 189-195.
[3]	周明华. 四川省少数民族地区卫生人力资源动态发展及预测分析[J]. 职业与健康, 2025, 41(4): 565-571.
[4]	夏晓晓, 李伦兰, 丁佩佩, 王婷, 陈孟孟. 吸烟、围产期吸烟导致端粒长度变化的风险[J]. 职业与健康, 2025, 41(3): 328-335.
[5]	赵健, 刘怡芳, 韩义霞, 吕杰. 2000—2024年天津市肾综合征出血热流行特征分析与疫情趋势预测[J]. 职业与健康, 2025, 41(24): 3368-3372.
[6]	卢俊玲, 田文艳, 王田, 车朝阳, 庞超远. 工作相关性肌肉骨骼疾患风险预测模型的范围综述[J]. 职业与健康, 2025, 41(21): 3002-3007.
[7]	张玉红, 李志涛, 展宝健, 赵锦娜, 张东峰, 贾光. 2008—2023年青岛市市南区丙型病毒性肝炎流行特征及趋势预测[J]. 职业与健康, 2025, 41(20): 2770-2775.
[8]	杨长绢, 胡倩, 张协, 吴昕锴, 徐茜, 杨连建. 2014—2023年重庆市沙坪坝区0~<15岁儿童猩红热流行病学特征及趋势预测[J]. 职业与健康, 2025, 41(18): 2495-2499.
[9]	商昳婧, 杨孝光, 路强, 裴家兴, 周鹏飞, 李运明. 急性高原病风险预测模型的系统评价[J]. 职业与健康, 2025, 41(18): 2564-2570.
[10]	穆涛涛, 宋士娜, 李晓峰. 中国老年人群归因于饮食因素的脑卒中疾病负担及其变化趋势分析[J]. 职业与健康, 2025, 41(16): 2256-2262.
[11]	魏怡凡, 李天心, 李雨宸, 杨欣雨, 刘嘉亮, 伊娜. 基于GEO和TCGA数据库筛选肺结核合并肺腺癌的关键基因及预后预测模型构建与评价[J]. 职业与健康, 2025, 41(15): 2098-2106.
[12]	朱天顺, 朱可可, 薛会元, 焦聪聪, 魏长慧, 王贺. 基于CiteSpace的风险预测模型在我国医药领域内的研究热点及趋势分析[J]. 职业与健康, 2025, 41(14): 1979-1984.
[13]	赵雯静, 唐雨璇, 王洁, 董霞. 中国心血管疾病老年人抑郁症风险预测模型的构建[J]. 职业与健康, 2025, 41(12): 1611-1618.
[14]	全志伟, 王佳美, 孙静. 基于ARIMA-GM（1,1）组合模型的内蒙古卫生总费用预测分析[J]. 职业与健康, 2025, 41(11): 1552-1557.
[15]	马兰, 杨文文, 马晓玲, 夏钰, 杨冬梅, 李凡卡. 基于EPP/Spectrum模型的新疆兵团AIDS疫情的预测研究[J]. 职业与健康, 2024, 40(9): 1244-1250.