地表温度时间序列分析方法的研究

发布时间：2020-12-03 19:11

　　地表温度作为评价和评估地表面平衡的一项重要指标,对其进行研究分析可以让人们更好地认识地表温度的变化规律。因此对地表温度规律及趋势进行研究具有非常重要的意义。但是在应用指数平滑法、ARMA模型和ARIMA模型等方法对地表温度时间序列分析的方面研究不足,并且在统计预测中存在着分析预测结果的滞后性、较大的多步预测误差和较差的非平稳序列分析效果等问题。针对上述问题,本文对ARIMA模型和单指数平滑法进行了改进,具体的研究内容及研究工作包括以下几个方面:（1）应用ARIMA模型对地表温度时间序列进行分析预测。首先检查获取的数据是否有误差很大的点存在,然后对白噪声进行检验,通过研究分析从AR（p）模型、MA（q）模型以及ARMA（p,q）模型中选出一个合适的模型,接着确定选出来的合适的模型的阶数,利用最小二乘法对地表温度时间序列数据进行参数估计。本文克服了地表温度时间序列在模型定价、模型估计等方面的困难,实验结果表明该模型可以对地表温度时间序列进行预测,两组实验的Theil不等系数分别是0.47和0.449,协方差比例分别是0.76和0.711,表明模型具有较为满意的预测结果。（2）对ARIMA模... 

【文章来源】：山东农业大学山东省

【文章页数】：97 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 地表温度时序分析研究现状
        1.2.2 ARIMA模型的国内外研究现状
        1.2.3 地表温度时序分析研究现状
    1.3 论文结构安排
2 时间序列分析的模型建模方法及介绍
    2.1 时间序列分析方法
        2.1.1 时间序列的定义
        2.1.2 时间序列的分类
        2.1.3 时间序列的数字特性
        2.1.4 地表温度时间序列分析的发展趋势
    2.2 ARIMA模型建模方法
    2.3 指数平滑法
    2.4 本章小结
3 地表温度时间序列数据的获取及预处理
    3.1 数据获取
    3.2 EVIEWS软件介绍
    3.3 平稳性检验
    3.4 白噪声检验
    3.5 本章小结
4 ARIMA模型建模与预测
    4.1 对地表温度时间序列数据进行建模与预测实验
        4.1.1 模型识别和定价
        4.1.2 模型的估计
        4.1.3 模型的残差检验
        4.1.4 模型的预测
    4.2 对ARIMA（p，d，q）模型进行的改进
    4.3 应用改进的ARIMA模型对地表温度时间序列进行分析预测
    4.4 实验结果的分析讨论
    4.5 本章小结
5 基于指数平滑法的地表温度时间序列分析及预测
    5.1 基于指数平滑法的分析预测实验
        5.1.1 应用Holt-Winters无季节模型的分析预测实验
        5.1.2 应用一次指数平滑法的分析预测实验
        5.1.3 应用二次指数平滑法的分析预测实验
    5.2 对单指数平滑法进行的改进
    5.3 应用改进的单指数平滑法对地表温度时间序列进行分析预测
    5.4 实验结果分析及讨论
    5.5 本章小结
6 ARIMA模型与指数平滑法预测结果的比较分析
    6.1 改进后的ARIMA模型与Holt-Winters无季节模型预测结果的对比分析
    6.2 改进后的单指数平滑法与Holt-Winters无季节模型预测结果的对比分析
    6.3 改进后的ARIMA模型与改进后的单指数平滑法预测结果的对比分析
    6.4 本章小结
7 总结与展望
    7.1 主要研究内容与创新点
    7.2 进一步的工作与展望
参考文献
致谢
攻读硕士学位期间发表论文及其他成果


【参考文献】：
期刊论文
[1]时间序列分析关键问题研究[J]. 徐兴梅,陈桂芬.  农业网络信息. 2010(01)
[2]时间序列分析理论与发展趋势(英文)[J]. 刘瑛慧,曹家琏.  电脑知识与技术. 2010(02)
[3]利用S-G滤波进行MODIS-EVI时间序列数据重构[J]. 黄耀欢,王建华,江东,周芹.  武汉大学学报(信息科学版). 2009(12)
[4]混沌时间序列预测模型的比较研究[J]. 李松,刘力军,谷晨.  计算机工程与应用. 2009(32)
[5]涡动相关仪观测蒸散量的插补方法比较[J]. 徐自为,刘绍民,徐同仁,王介民.  地球科学进展. 2009(04)
[6]不完备信息下的灰色粗糙集成决策模型(英文)[J]. 侯亚林,罗党.  数学季刊. 2009(01)
[7]遥感时间序列数据滤波重建算法发展综述[J]. 李儒,张霞,刘波,张兵.  遥感学报. 2009(02)
[8]利用EViews软件检验和处理模型的多重共线性[J]. 赵卫亚.  统计与决策. 2008(06)
[9]NDVI时间序列数据集重建方法述评[J]. 顾娟,李新,黄春林.  遥感技术与应用. 2006(04)
[10]GMS5反演中国几类典型下垫面晴空地表温度的日变化及季节变化[J]. 王旻燕,吕达仁.  气象学报. 2005(06)

博士论文
[1]单位根检验的理论及应用研究[D]. 左秀霞.华中科技大学 2012

硕士论文
[1]基于数据同化的地表温度时间序列重构[D]. 秦瑞.中南大学 2013
[2]基于ARMA模型的时间序列挖掘[D]. 张婷婷.合肥工业大学 2013
[3]国内房地产发展趋势研究及销售价格指数基于ARMA模型的预测分析[D]. 蒋愉.华中师范大学 2011
[4]基于ARMA模型的风电机组风速预测研究[D]. 孙翰墨.华北电力大学（北京） 2011
[5]ARMA模型参数估计算法改进及SARIMA模型的应用[D]. 杜普燕.燕山大学 2010
[6]基于ARIMA模型的石油价格短期分析预测[D]. 侯璐.暨南大学 2009
[7]ARMA相关模型及其应用[D]. 安潇潇.燕山大学 2008
[8]基于灰色模型和ARIMA模型的上证指数研究[D]. 刘文抒.河海大学 2005
[9]基于ARMA模型的结构识别[D]. 宋贵彩.重庆大学 2005



本文编号：2896504