基于小波包分解的LS-SVM-ARIMA组合降水预测

发布时间：2021-03-31 16:31

　　针对降水量影响因素众多,是一种复杂的非平稳、非线性且存在噪声问题的时间序列的特点,提出一种基于小波包分解的LS-SVM与ARIMA组合模型的年降水量预测方法。利用小波包将降水序列分解成低频趋势序列和高频细节序列;应用LS-SVM模型预测低频趋势序列,ARIMA模型预测高频细节序列;将两个模型的预测结果叠加,得到年降水量的预测值。实例验证表明:小波包对时间序列的分解比小波分解更精细,组合模型预测能够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随时间变化规律,提高了年降水量预测的精准度,为降水量预测提供一种新方法。 

【文章来源】：南水北调与水利科技(中英文). 2020,18(06)北大核心

【文章页数】：7 页

【部分图文】：

小波包分解层次结构

确立目标函数后，对两参数进行寻优计算，经过不断优化，当适应度值不再变化时得到结果为径向基函数核的超参数σ、正规化参数γ的最优参数组合。经计算得到的最优参数见表1。图4 年降水序列高频细节序列分解

图3 年降水序列低频趋势序列分解Step 4：建立LS-SVM预测模型。以[3,0]、[3,1]、[3,2]、[3,3]时段序列1958-2013年的数据作为训练样本。导入计算得到的各序列参数最优组合，建立预测模型，得出各时段的2014-2018年预测值。


本文编号：3111737