一种基于时间序列分析的赤潮预测新方法研究——以浙江海域为例

发布时间：2021-11-17 08:22

　　根据1989—2018年《中国海洋灾害公报》及浙江省海洋监测预报中心提供的1981—2019年监测数据,统计分析了浙江海域赤潮的发生次数长期变化和季月波动特征。基于月发生次数的时间序列,建立了一种以数据驱动为核心、简易实用的赤潮预测模型,并对2019年进行后报检验。结果表明:（1）近40 a浙江海域赤潮发生次数呈"低频发生-爆发增长-缓降波动"3段式年际变化规律,同时97.5%集中爆发在春夏季,其中5月爆发次数最多;（2）通过数据差分处理和参数检验,最终确定的最优时间序列预测模型为ARIMA（1,1,1）（1,1,0）12,且残差通过白噪声检验,拟合优度系数为0.68,绝对误差控制在两次以内的样本占总数的84%,具有可预测性;（3）模型经浙江海域2019年逐月赤潮后报预测检验,其年相对误差为14%,月绝对误差在两次以内,预测结果理想。在目前赤潮发生机制尚不完全清楚的情况下,利用ARIMA模型进行赤潮发生次数的年际和季节特征预测是一种经济且有效的途径,也是赤潮灾害年度趋势预测方法和业务化预警技术的新尝试和有效补充。 

【文章来源】：海洋预报. 2020,37(05)北大核心CSCD

【文章页数】：9 页

【部分图文】：

图1 时间序列模型建模具体流程

由图2、3可见，浙江海域赤潮发生次数既存在明显的年际变化，同时也存在典型的季节波动，因此导致基于赤潮发生次数逐月原始数据建立的时间序列非平稳且具有季节性。当变量不平稳时，若直接构造ARIMA模型容易产生虚假回归，因此须先对原始数据进行一阶普通差分。差分后虽然已没有上升和下降趋势，但是随着时间的增加周期性一直存在，因此还需继续做季节差分。图4显示，一阶季节差分后，序列的长期趋势和季节性趋势基本消失，数值围绕0上下随机波动。自相关图呈现逐渐衰减的趋势，自相关系数能够趋于0，且延迟16阶后在0值附近波动，统计量的相伴概率小于0.05，通过单位根检验（ADF)[28]，故可认为处理后的时间序列平稳，符合建模的条件。图4 近40 a浙江海域逐月赤潮发生数差分序列图

近40 a浙江海域逐月赤潮发生数差分序列图

【参考文献】：
期刊论文
[1]1981—2011年间东海赤潮发生与厄尔尼诺关系分析[J]. 邓邦平,张昊飞,何彦龙,王腾,袁一鸣.  生态科学. 2017(06)
[2]温州沿海赤潮发生的水文气象条件及赤潮特征分析[J]. 张福星,姚玉娟,马林芳.  海洋预报. 2016(05)
[3]基于ARIMA模型的台风频次预测[J]. 刘珊,陈幸荣,蔡怡.  海洋预报. 2016(01)
[4]ARIMA模型在疟疾发病率预测中的应用[J]. 夏菁,张华勋,林文,裴速建,孙凌聪,董小蓉,曹慕民,吴冬妮,蔡顺祥.  中国血吸虫病防治杂志. 2016(02)
[5]基于ARMAX的PM2.5小时浓度跟踪预测模型[J]. 余辉,袁晶,于旭耀,张力新,陈文亮.  天津大学学报(自然科学与工程技术版). 2017(01)
[6]东亚气候异常与东海赤潮发生频次的关系研究[J]. 徐丽丽,龚茂珣,徐婷婷,郑晓琴,吕忻.  海洋预报. 2013(05)
[7]象山港海洋牧场规划区选址评估的数值模拟研究:滨海电厂温排水温升的影响[J]. 林军,章守宇,龚甫贤.  上海海洋大学学报. 2012(05)
[8]风电场功率预测物理方法研究[J]. 冯双磊,王伟胜,刘纯,戴慧珠.  中国电机工程学报. 2010(02)
[9]我国海域赤潮发生与海温及厄尔尼诺的相关分析[J]. 杨红,何春良.  海洋湖沼通报. 2009(02)
[10]我国海域赤潮时空分布及其与厄尔尼诺的关系[J]. 何春良,杨红.  上海海洋大学学报. 2009(02)

博士论文
[1]长江口外海域浮游植物生态动力学模型研究[D]. 林军.华东师范大学 2011
[2]长江口及邻近海域季节性赤潮生消过程控制机理研究[D]. 李雁宾.中国海洋大学 2008



本文编号：3500525