时间序列分析在长沙市降雨量预测中的应用

发布时间：2020-05-17 19:49

【摘要】：时间序列分析是数理统计的一个重要分支,通常用于研究和处理具有随机性的动态数据。随着科学技术和计算机的发展,时间序列分析法得到了更大的发展空间,使其成为自然科学和社会科学研究领域不可或缺的数据处理方法。降雨量是反映一个地区气候状况的重要指标,一个地区气候的变化可以比较直观的体现在该地区的降雨量的变化上,降雨量的多少也会影响到社会生产和生态需水。近年来,随着气候条件变化的加剧,导致降雨量的波动性较大,各城区也开始频繁出现极端降雨事件,由此引发的区域洪涝灾害等现象也日益突出,因此,对未来城区降雨量的准确预测这一课题具有重要的研究意义。本篇论文主要是利用时间序列分析与神经网络的基本理论与方法,来对长沙市的降雨量时间序列数据进行研究与分析,探究长沙市逐日降雨量的规律及特征,并对其进行预测。基于长沙市马坡岭地区2015年至2017年的逐日降雨量数据,分别采用ARMA-EGARCH和BP、RBF神经网络三种方法,利用EVIEWS和MATLAB软件来对降雨量时间序列数据进行仿真模拟及预测,以期为合理分配水资源和减少气象灾害所带来的经济损失提供一定的参考依据。实证研究结果表明:(1)三种模型均能较好的拟合并预测长沙市的逐日降雨量,但ARMA-EGARCH、RBF模型的预测精度要明显高于BP神经网络模型,这也验证了时间序列分析在降雨量预测上的可行性。(2)三种模型各具优势,ARMA-EGARCH模型的拟合和预测精度较高,BP神经网络模型对微量降雨天气的预测更为准确,而RBF神经网络模型的全局预测效果较好。因此,可以结合三种方法来预测长沙市的降雨量,提高预测的准确性。(3)ARMA-EGARCH模型是基于过去的降雨量数据进行建模及预测,而BP、RBF神经网络模型是利用六种气象因子的数据对降雨量进行建模与预测,基于不同的数据,为长沙市降雨量预测提供了两种有效的途径。本论文的主要研究内容为时间序列分析与神经网络在长沙市降雨预报中的重要应用,该研究为长沙市未来的降雨量提供了有效的预测方法,对相关政府部门采取有效措施应对自然灾害、城市水资源合理规划等方面提供一定的参考依据。
【图文】：

序列,主体结构,论文

图 1-1 论文主体结构图本文共分为五个章节，其具体内容安排如下：第一章主要介绍本文的研究背景及意义、相关文献综述以及国内外学者对降雨量的研究现状及成果，并简述本文的研究目标及论文的主体结构。第二章主要介绍时域分析方法中的自回归移动平均( ARMA )模型及指数广义自回归条件异方差( EGARCH )模型的基本理论知识，着重阐述模型的建模与推导过程。第三章主要介绍两种神经网络预测方法的理论，即BP神经网络模型和RBF神经网络模型，简述模型各参数的选取方法的理论，并完善这两种模型构建过程。第四章主要利用上述三种模型对长沙市降雨量序列进行实证分析，通过对预测结果进行比较与分析，从中选择预测精度较高的模型来预测长沙市未来时期的降雨量值。第五章主要对本文的研究结果作总结及展望，，利用本文的研究成果，为长沙

模型图,神经元结构,模型,神经网络

仍处于较低水平。具体操作可分成两种：训练学习操作和正常或回的信息输入神经网络作为神经网络的输入与要学习算法)去调整各个处理单元之间的链接权，神经网络能产出给定输出为止，即训练完成。的基础上，当输入一个信息时，神经网络可以回元结构模型基本处理单元为人工神经元，其主要作用是处理权；确定所有输入信息的组合效果，即求和；确为多输入、单输出结构特征，如图 3-1 所示。
【学位授予单位】：湖南师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P457.6;F224

【相似文献】