針對傳統(tǒng)ARIMA模型對非線性的降水時間序列擬合效果差、預(yù)測精度低的缺點,建立基于集合經(jīng)驗?zāi)B(tài)分解的差分自回歸移動平均預(yù)報模型（EEMD-ARIMA）。用EEMD方法將序列分解簡化,采用不同的ARIMA模型進行建模,并重構(gòu)各擬合分量。建立EMD、EEMD、ARIMA和EMD-ARIMA 4個模型進行對比實驗,結(jié)果表明,EEMD-ARIMA模型的擬合效果最好,其預(yù)測準確率可達到82.46%,該模型在年降水預(yù)測應(yīng)用中能夠更準確地描述年降水量的變化規(guī)律,具有實際意義。 

【文章來源】：計算機應(yīng)用與軟件. 2020,37(11)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

EEMD-ARIMA模型框架

EEMD是基于噪聲輔助分析的方法,原理較為簡單,通過在年降水序列中加入白噪聲,白噪聲頻譜均勻分布,使得信號自動分布到合適的尺度上。由EMD的零均值特性,噪聲在多次平均計算后會相互抵消,從而得到的集成均值計算結(jié)果即可視為最終結(jié)果,最終結(jié)果與原始序列的誤差隨著集成平均次數(shù)的增加而減小。因此從理論上講,EEMD對抑制EMD的模態(tài)重疊有較好的效果。EEMD的算法流程如圖1所示。1.2 ARIMA模型

式中:xt為樣本值;εt為當期隨機誤差干擾;φi和γj為模型參數(shù);p、d、q是模型階數(shù)。xt為前p階xt-1,xt-2,…,xt-p和前q階εt-1,εt-2,…,εt-q的多元線性函數(shù)。ARIMA的建模流程如圖2所示。2 EEMD-ARIMA模型

【參考文獻】：
期刊論文
[1]基于時間序列模型的降雨量預(yù)測分析[J]. 程敏,張耀文,姜紀沂,任杰,趙振宏.  水科學(xué)與工程技術(shù). 2019(01)
[2]基于EEMD-ARIMA模型的地區(qū)月負荷量預(yù)測[J]. 郭建鵬,佘穎鈴,溫步瀛.  電力工程技術(shù). 2018(06)
[3]基于海溫多極指標的長期降水預(yù)報方法[J]. 吳旭樹,郭生練,巴歡歡,何邵坤,熊豐.  水利學(xué)報. 2018(10)
[4]基于ARIMA模型在降水量趨勢分析與預(yù)測中的應(yīng)用[J]. 劉劍.  水利科技與經(jīng)濟. 2018(09)
[5]降尺度方法在東亞氣候預(yù)測中的應(yīng)用[J]. 孫建奇,馬潔華,陳活潑,汪君,于恩濤,田寶強.  大氣科學(xué). 2018(04)
[6]基于SLM模型的降水徑流非線性擾動響應(yīng)研究[J]. 徐世民.  水土保持應(yīng)用技術(shù). 2018(03)
[7]我國夏季降水預(yù)測方法研究進展[J]. 劉珂,潘婕,張榮剛.  人民黃河. 2018(01)
[8]瑪納斯河出山口徑流EEMD-ARIMA預(yù)測[J]. 劉艷,楊耘,聶磊,宋秋宇.  水土保持研究. 2017(06)
[9]多元自回歸模型在區(qū)域中長期水文預(yù)報中應(yīng)用研究[J]. 宋楠.  水土保持應(yīng)用技術(shù). 2017(02)
[10]西安市多年降水特征分析及降水量預(yù)測[J]. 楊佳,錢會,高燕燕,霍晨琛.  南水北調(diào)與水利科技. 2016(03)



本文編號：3120100