摘要：PM2．5实时浓度受到气象元素、空气中其它污染物等复杂因素的影响，传统的预测方式很难得到有效的预测结果，为了能够有效预测PM2．5实时浓度，提出了一种利用单因变量PLS回归模型预测方法。通过逐步回归，确定建立模型的最佳有效成分个数建立回归模型实现预测分析。以北京气象和空气质量检测数据为研究对象，构建了影响PM2．5浓度的气压、风速、温度等10个指标进行PM2．5实时浓度预测。预测仿真结果表明，采用单因变量PLS回归模型的拟合优度为96．06％，PM2．5实时浓度预测平均误差为37．65％；并将模型与传统的主成分回归模型进行实验分析对比，发现PLS模型在PM2．5实时浓度预测中具有更高的精度。

简介：《计算机仿真》（CN：11-3724/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社