[发明专利]一种基于ARIMA模型的工业废气排放量预测的方法

说明书

本发明提供一种基于ARIMA模型的工业废气排放量预测的方法，包括以下步骤：对业务系统中的数据进行选择性抽取；对抽取的数据进行缺失值与异常值分析，使其满足ARIMA模型建立的要求；对建模数据采用单位根检验法，判断其时序数据的平稳性；检验时间序列是否为白噪声；绘制时间序列的自相关图和偏自相关图为模型定阶；利用得到的预测模型对未来时间序列进行预测，评估模型拟合的好坏。本发明采用ARIMA模型对工业废气排放量进行预测，可适用于工业各项指标时序数据的预测。本模型是对未来时序数据的预测，并不是对现有时间段数据的拟合。

技术领域

本发明涉及工业大数据领域，具体涉及一种基于ARIMA模型的工业废气排放量预测的方法。

背景技术

在工业企业燃烧和生产工艺过程中排放的各种废气，是大气污染和环境污染的重要组成部分，是造成我国大部分地区出现雾霾天气的主要原因之一。近年来，国家环境保护局和国家技术监督局相应批准了有关标准，主要对排放废气中有毒有害气体浓度作了相应的限制规定。现有技术中环保管理部门采用人力实时测定工业企业废气排放浓度值，工作效率低，且不具有前瞻性。

发明内容

为了解决现有技术只能实时采集工业企业废气排放量，无法对该工业企业未来一段时间废气排放量预测的问题，本发明提供一种基于ARIMA模型的工业废气排放量预测的方法，包括以下步骤：

数据抽取步骤；

数据探索与预处理步骤；

平稳性检测步骤；

白噪声检验步骤；

模型定阶步骤；

模型预测步骤。

进一步的，所述数据抽取步骤具体包括：

读取业务系统数据库中的数据，制定合理的采集规则，取最近一段时间内的数据。

进一步的，所述数据探索与预处理步骤具体包括：

异常值和缺失值分析，使其满足ARIMA模型的时序数据。

进一步的，所述平稳性检测步骤具体包括：

对建模数据采用单位根检验法，判断其时序数据的平稳性，若单位根检验统计量对应的P值显著小于0.05，则判定该序列为平稳序列。

进一步的，所述白噪声检验步骤具体包括：

判断m阶滞后范围内序列的自相关性是否显著，或序列是否为白噪声，Q统计量服从自由度为m的卡方分布，若计算得出p值下降到0.05置信度以下，判定出现显著的自回归关系，且序列并非白噪声。

进一步的，所述模型定阶步骤具体包括：

绘制稳定非白噪声序列的自相关图和偏自相关图，观察图形分布估计相关参数p和q的分布区间，取第一指标信息量达到最小的模型最优阶数p和q。

进一步的，所述模型预测步骤具体包括：

根据参数p，d，q构建ARIMA自回归移动平均模型，记作ARIMA(p,d,q)，利用预测(predict)方法对未来时序数据进行预测，并且使用第二指标来评估模型样本内拟合的好坏，第二指标越小，模型拟合的效果越好。

本发明的有益效果是：

1.本发明使用差分运算可以剔除周期性因素，使该序列满足平稳性的要求。

2.本发明可以将模型服务部署到大数据平台，实时动态可视化展示工业企业废气排放量未来时间段的预测。

3.本发明应用ARIMA模型预测工业废气排放量的技术，可给类似场景或智慧工业园区提供思路。

附图说明