2 时间序列数据特征分析

2.1 对观测数据的分析

时间序列是变量按时间间隔的顺序而形成的变量序列，时间序列分析就是估算和研究某一时间序列在长期变动过程中所存在的统计规律性。因此，我们通过对空气污染物监测数据进行分析，了解这些数据是否随季节的变化而变化，取了淮安市2014年的开展监测污染物中的可吸入颗粒物（PM10）、臭氧（ ）和细颗粒物（PM2.5）三种污染物的有效数据各365个，并作了三种污染物的浓度日演变图（图1），从图1中可以看出,可吸入颗粒物（PM10）和细颗粒物（PM2.5）的浓度在冬季显著升高，春秋两季下降，夏季达成最小，而臭氧（ ）的浓度值春秋两季上升，夏季达到最大，形成显著季节性变化。

    为了更清晰地看到3种污染物的变化规律，我们对污染物浓度进行月平均计算（图2），从中可以看出可吸入颗粒物（PM10）和细颗粒物（PM2.5）有冬季浓度上升，春秋季下降，夏季达到最小，而臭氧（ ）的浓度值春秋两季上升，夏季达到最大的季节性变化规律。来.自/吹冰论|文-网www.chuibin.com/

   运用SPSS软件，根据淮安市环保局提供的2014年淮安市环境空气质量日均浓度值统计表，分别对可吸入颗粒物（PM10）、臭氧（ ）和细颗粒物（PM2.5）三种污染物的浓度值绘制时间序列图（图1）以及各污染物浓度值月平均的时间序列图