摘要：PM2.5(细颗粒物)因为其粒径小，易吸附有毒物质且在大气中停留时间长传播范围广，被认为是造成雾霾天气的主要原因。众所周知，PM2.5指数（细颗粒物指数）是一个可以有效的测量和控制空气污染程度的数据。本文利用北京市2016年1月1日—2018年3月18日的PM2.5指数逐日数据，构建适合北京市PM2.5指数预测的自回归移动平均模型(ARIMA)并进行预测。同时也建立了PM2.5指数与其他污染指标的多元线性回归模型。为有效的治理和控制空气污染提供科学依据。结果显示在未来一个月，PM2.5指数会持续走高。PM2.5指数与PM10指数，二氧化氮气体（NO2）,一氧化碳气体（CO）,臭氧（O3）各变量都有真实的回归关系，尤其一氧化碳气体（CO）的相关系数最高，即一氧化碳气体（CO）对PM2.5指数的影响最大。

关键词：PM2.5指数, ARIMA模型, 预测, 其他污染指标，多元回归分析

目录

摘要

Abstract

前言4

第一章 我国雾霾以及PM2.5指数现状简析6

第二章 北京PM2.5指数统计分析8

第一节 ARIMA模型理论简介8

第二节 模型的建立及优化9

第三节 北京PM2.5指数的预测17

第三章 回归分析19

第四章 对于北京雾霾天气治理的可行性建议24

主要参考文献26

致谢27

附录28

第一节原始程序28

第二节程序52