计算,各城市Borda数及总排名如下РABCDE的Borda数为:РABCDF的Borda数为:Р Р6.1.5评价结果及排序РABCDE的空气质量排名为:CABED РABCDF的空气质量的排名为:FABCD Р6.1.6模型的验证Р鉴于API数值有一定的实际应用价值,故应用其对综合评估模型进行验证。Р通过对各个城市每月的API进行计算,运用相同的C语言程序对其进行排名结果见附件一。运用Borda算法,对多个序列进行排序,最后排出城市总体空气质量排名,对模型进行验证Р得出结论为:РABCDE五个城市API的Borda数为:РABCDE五个城市的空气质量排名为:CBAEDРABCDF五个城市的API的Borda数为:РABCDF五个城市四个月的空气质量排名为:FABDCР权重排列与API排列只有一个次序的不同,观察Borda数可发现,次序不同的两个城市Borda数字基本相同,故可说,模型合理,权重得出的排序结论有一定参考意义。Р6.2 问题2РF城市所给数据时间与需预测时间相距甚远,若强行预测出趋势变化,没有实际参考意义,故在对F城市进行预测时,只做定性的说明。Р随机选取气温为例建立ARIMA模型,其余各城市参数即气象参数yingyon可求的。模型的建立与求解依靠SPSS软件。Р6.2.1 模型的建立与检测(对除F以外的数据预测适用)Р考虑数据的连贯性,选取2010.1.20日至2010.9.14日数据进行时间序列分析,应用SPSS软件作出时序图,进行时间序列的验证,如下:Р图二:气温时序图Р气温的自相关系数图和偏自相关系数图见附件二Р由气温时序图明显可知该序列具有上升趋势,为消掉上升趋势,作差分处理。图示为作一阶差分后所得序列图,观察可知该序列比较平稳。Р图三:一阶差分之后的气温时序图Р为进一步验证平稳性,考察差分后序列自相关图。Р图四:一阶差分后气温时序残差自相关系数图
全文预览
