【摘要】：時間序列分析是數(shù)理統(tǒng)計的一個重要分支,通常用于研究和處理具有隨機性的動態(tài)數(shù)據(jù)。隨著科學技術和計算機的發(fā)展,時間序列分析法得到了更大的發(fā)展空間,使其成為自然科學和社會科學研究領域不可或缺的數(shù)據(jù)處理方法。降雨量是反映一個地區(qū)氣候狀況的重要指標,一個地區(qū)氣候的變化可以比較直觀的體現(xiàn)在該地區(qū)的降雨量的變化上,降雨量的多少也會影響到社會生產(chǎn)和生態(tài)需水。近年來,隨著氣候條件變化的加劇,導致降雨量的波動性較大,各城區(qū)也開始頻繁出現(xiàn)極端降雨事件,由此引發(fā)的區(qū)域洪澇災害等現(xiàn)象也日益突出,因此,對未來城區(qū)降雨量的準確預測這一課題具有重要的研究意義。本篇論文主要是利用時間序列分析與神經(jīng)網(wǎng)絡的基本理論與方法,來對長沙市的降雨量時間序列數(shù)據(jù)進行研究與分析,探究長沙市逐日降雨量的規(guī)律及特征,并對其進行預測�；陂L沙市馬坡嶺地區(qū)2015年至2017年的逐日降雨量數(shù)據(jù),分別采用ARMA-EGARCH和BP、RBF神經(jīng)網(wǎng)絡三種方法,利用EVIEWS和MATLAB軟件來對降雨量時間序列數(shù)據(jù)進行仿真模擬及預測,以期為合理分配水資源和減少氣象災害所帶來的經(jīng)濟損失提供一定的參考依據(jù)。實證研究結(jié)果表明:(1)三種模型均能較好的擬合并預測長沙市的逐日降雨量,但ARMA-EGARCH、RBF模型的預測精度要明顯高于BP神經(jīng)網(wǎng)絡模型,這也驗證了時間序列分析在降雨量預測上的可行性。(2)三種模型各具優(yōu)勢,ARMA-EGARCH模型的擬合和預測精度較高,BP神經(jīng)網(wǎng)絡模型對微量降雨天氣的預測更為準確,而RBF神經(jīng)網(wǎng)絡模型的全局預測效果較好。因此,可以結(jié)合三種方法來預測長沙市的降雨量,提高預測的準確性。(3)ARMA-EGARCH模型是基于過去的降雨量數(shù)據(jù)進行建模及預測,而BP、RBF神經(jīng)網(wǎng)絡模型是利用六種氣象因子的數(shù)據(jù)對降雨量進行建模與預測,基于不同的數(shù)據(jù),為長沙市降雨量預測提供了兩種有效的途徑。本論文的主要研究內(nèi)容為時間序列分析與神經(jīng)網(wǎng)絡在長沙市降雨預報中的重要應用,該研究為長沙市未來的降雨量提供了有效的預測方法,對相關政府部門采取有效措施應對自然災害、城市水資源合理規(guī)劃等方面提供一定的參考依據(jù)。
【圖文】：

圖 1-1 論文主體結(jié)構(gòu)圖本文共分為五個章節(jié)，其具體內(nèi)容安排如下：第一章主要介紹本文的研究背景及意義、相關文獻綜述以及國內(nèi)外學者對降雨量的研究現(xiàn)狀及成果，并簡述本文的研究目標及論文的主體結(jié)構(gòu)。第二章主要介紹時域分析方法中的自回歸移動平均( ARMA )模型及指數(shù)廣義自回歸條件異方差( EGARCH )模型的基本理論知識，著重闡述模型的建模與推導過程。第三章主要介紹兩種神經(jīng)網(wǎng)絡預測方法的理論，即BP神經(jīng)網(wǎng)絡模型和RBF神經(jīng)網(wǎng)絡模型，簡述模型各參數(shù)的選取方法的理論，并完善這兩種模型構(gòu)建過程。第四章主要利用上述三種模型對長沙市降雨量序列進行實證分析，通過對預測結(jié)果進行比較與分析，從中選擇預測精度較高的模型來預測長沙市未來時期的降雨量值。第五章主要對本文的研究結(jié)果作總結(jié)及展望，，利用本文的研究成果，為長沙

仍處于較低水平。具體操作可分成兩種：訓練學習操作和正�；蚧氐男畔⑤斎肷窠�(jīng)網(wǎng)絡作為神經(jīng)網(wǎng)絡的輸入與要學習算法)去調(diào)整各個處理單元之間的鏈接權，神經(jīng)網(wǎng)絡能產(chǎn)出給定輸出為止，即訓練完成。的基礎上，當輸入一個信息時，神經(jīng)網(wǎng)絡可以回元結(jié)構(gòu)模型基本處理單元為人工神經(jīng)元，其主要作用是處理權；確定所有輸入信息的組合效果，即求和；確為多輸入、單輸出結(jié)構(gòu)特征，如圖 3-1 所示。
【學位授予單位】：湖南師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：P457.6;F224

【相似文獻】

相關期刊論文 前10條

1 陶冶;;時間序列分析教學改進探究[J];現(xiàn)代農(nóng)村科技;2018年04期

2 姚娟;鄧興;;大數(shù)據(jù)環(huán)境下時間序列分析課程教學模式改革探討[J];課程教育研究;2016年37期

3 胡根華;;“時間序列分析”課程教學模式的探索[J];科教文匯(中旬刊);2017年01期

4 戴敏;;《時間序列分析》課程教學模式的幾點探討[J];臺州學院學報;2016年03期

5 孫紅果;李文輝;;《金融時間序列分析》課程教學改革研究[J];考試周刊;2015年55期

6 方艷;楊娟;;《金融時間序列分析》課程教學改革的探索[J];新課程研究(中旬刊);2014年02期

7 聶淑媛;任安忠;;基于時間序列分析課的教學改革探索[J];河南教育(高教);2013年08期

8 趙耀軍;;時間序列分析[J];山西冶金;2012年06期

9 劉圓圓;;時間序列分析及其應用[J];科技創(chuàng)新導報;2011年27期

10 劉燕萍;賈東峰;程效軍;;時間序列分析在建筑物變形監(jiān)測中的應用[J];勘察科學技術;2010年06期

相關會議論文 前10條

1 劉曉斌;;小波網(wǎng)絡在經(jīng)濟時間序列分析中的應用[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第4卷）[C];1997年

2 鄭文衡;陳俊華;嚴尊國;楊立明;張秋文;;用時間序列分析預報地震的新途徑[A];1995年中國地球物理學會第十一屆學術年會論文集[C];1995年

3 閔慶文;余衛(wèi)東;成升魁;;商丘市居民生活消費生態(tài)足跡的時間序列分析[A];生態(tài)學與全面·協(xié)調(diào)·可持續(xù)發(fā)展——中國生態(tài)學會第七屆全國會員代表大會論文摘要薈萃[C];2004年

4 任永建;周鎖銓;石順吉;;2005年南京市PM_(10)濃度時間序列分析[A];2007中國可持續(xù)發(fā)展論壇暨中國可持續(xù)發(fā)展學術年會論文集（2）[C];2007年

5 崔艷;潘海濤;;Bootstrap方法在時間序列分析中的應用研究[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

6 謝衷潔;劉亞利;葉偉彰;黃香;;關于J-效應的時間序列分析及其政策性實驗[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

7 楊威;李勇;;基于微博用戶的長沙居民心情感知與幸福發(fā)現(xiàn)研究[A];第一屆中國社會保障理論與政策論壇暨第六屆安徽財經(jīng)大學社會保障學術交流會摘要集[C];2017年

8 任永建;周鎖銓;石順吉;;2005年南京市PM_(10)濃度時間序列分析[A];中國氣象學會2007年年會大氣成分觀測、研究與預報分會場論文集[C];2007年

9 孟繁波;王興蘭;王巍;;基于ARMA和最小二乘法的電力系統(tǒng)短期負荷預測[A];2011年全國通信安全學術會議論文集[C];2011年

10 尹溫碩;陶順;趙蕾;;基于ARMA模型的電壓RMS值預測[A];第九屆電能質(zhì)量研討會論文集[C];2018年

相關重要報紙文章 前7條

1 際平;聽刁老師“自圓其說”[N];中國信息報;2011年

2 ;辛勤耕耘默默奉獻[N];中國信息報;2002年

3 本報記者 李愛銘;“小神算”出手,誤差僅六千[N];解放日報;2010年

4 ;統(tǒng)計新書評介[N];中國信息報;2001年

5 中國科學院光電技術研究所（610209） 齊波 董能力;通過VC++調(diào)用MATLAB[N];計算機世界;2000年

6 兩院院士、武漢大學教授 李德仁;智慧城市應重視空間大數(shù)據(jù)作用[N];中國建設報;2016年

7 廣東商學院教授 林洪;幸福由兩大因素構(gòu)成[N];南方日報;2011年

相關博士學位論文 前10條

1 聶淑媛;時間序列分析的早期發(fā)展[D];西北大學;2012年

2 王鼐;非線性動力學方法在時間序列分析中的應用[D];復旦大學;2005年

3 張晉昕;醫(yī)學時間序列分析及其預測應用相關問題的研究[D];第四軍醫(yī)大學;2000年

4 VO THI THANH VAN;時間序列分析技術的研究[D];湖南大學;2013年

5 于蓓;基于時間序列分析的我國上市銀行系統(tǒng)性風險研究[D];山西財經(jīng)大學;2013年

6 孫兆偉;基于現(xiàn)代信號處理的結(jié)構(gòu)模態(tài)參數(shù)識別與損傷識別研究[D];北京郵電大學;2012年

7 陶麗麗;基于AFS理論的管理方法及其應用研究[D];大連海事大學;2013年

8 盧偉;基于粒計算的時間序列分析與建模方法研究[D];大連理工大學;2015年

9 黃靜靜;基于擴散熵的時間序列分析[D];北京交通大學;2015年

10 胡錫健;股票量價漸近分布及其變點的統(tǒng)計過程控制監(jiān)測[D];新疆大學;2008年

相關碩士學位論文 前10條

1 肖麗瓊;時間序列分析在長沙市降雨量預測中的應用[D];湖南師范大學;2019年

2 何月帆;高精度GPS數(shù)據(jù)處理及時間序列分析[D];長安大學;2019年

3 張詩晨;基于時間序列分析的橋梁剛性吊桿疲勞損傷研究[D];廈門大學;2018年

4 譚志揚;上證150指數(shù)的統(tǒng)計分析[D];云南大學;2017年

5 周旋;2014～2018年梧州市手足口病流行病學特征及時間序列分析[D];廣西醫(yī)科大學;2019年

6 劉澤遠;基于時間序列分析的Web服務QoS預測方法研究[D];哈爾濱工業(yè)大學;2018年

7 綦躍;沈撫新城生態(tài)文明建設時間序列分析及渾河沈撫段修復方案初探[D];遼寧大學;2018年

8 喬曉;某三甲醫(yī)院急性腦卒中急診就診人次的時間序列分析[D];山西醫(yī)科大學;2018年

9 柳攀;基于時間序列分析的銷售預測方法研究[D];大連理工大學;2018年

10 葛紅;輕量化橋式起重機結(jié)構(gòu)在線監(jiān)測安全評估系統(tǒng)研究[D];武漢理工大學;2017年

本文編號：2669088