發(fā)布時(shí)間：2021-03-31 16:31

　　針對(duì)降水量影響因素眾多,是一種復(fù)雜的非平穩(wěn)、非線性且存在噪聲問題的時(shí)間序列的特點(diǎn),提出一種基于小波包分解的LS-SVM與ARIMA組合模型的年降水量預(yù)測(cè)方法。利用小波包將降水序列分解成低頻趨勢(shì)序列和高頻細(xì)節(jié)序列;應(yīng)用LS-SVM模型預(yù)測(cè)低頻趨勢(shì)序列,ARIMA模型預(yù)測(cè)高頻細(xì)節(jié)序列;將兩個(gè)模型的預(yù)測(cè)結(jié)果疊加,得到年降水量的預(yù)測(cè)值。實(shí)例驗(yàn)證表明:小波包對(duì)時(shí)間序列的分解比小波分解更精細(xì),組合模型預(yù)測(cè)能夠全面的提取降水序列中所包含的信息,更好地反映年降水量隨時(shí)間變化規(guī)律,提高了年降水量預(yù)測(cè)的精準(zhǔn)度,為降水量預(yù)測(cè)提供一種新方法。 

【文章來源】：南水北調(diào)與水利科技(中英文). 2020,18(06)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

小波包分解層次結(jié)構(gòu)

確立目標(biāo)函數(shù)后，對(duì)兩參數(shù)進(jìn)行尋優(yōu)計(jì)算，經(jīng)過不斷優(yōu)化，當(dāng)適應(yīng)度值不再變化時(shí)得到結(jié)果為徑向基函數(shù)核的超參數(shù)σ、正規(guī)化參數(shù)γ的最優(yōu)參數(shù)組合。經(jīng)計(jì)算得到的最優(yōu)參數(shù)見表1。圖4 年降水序列高頻細(xì)節(jié)序列分解

圖3 年降水序列低頻趨勢(shì)序列分解Step 4：建立LS-SVM預(yù)測(cè)模型。以[3,0]、[3,1]、[3,2]、[3,3]時(shí)段序列1958-2013年的數(shù)據(jù)作為訓(xùn)練樣本。導(dǎo)入計(jì)算得到的各序列參數(shù)最優(yōu)組合，建立預(yù)測(cè)模型，得出各時(shí)段的2014-2018年預(yù)測(cè)值。


本文編號(hào)：3111737