基于EEMD-ARIMA的年降水预测拟合模型研究

发布时间：2021-04-05 21:04

　　针对传统ARIMA模型对非线性的降水时间序列拟合效果差、预测精度低的缺点,建立基于集合经验模态分解的差分自回归移动平均预报模型（EEMD-ARIMA）。用EEMD方法将序列分解简化,采用不同的ARIMA模型进行建模,并重构各拟合分量。建立EMD、EEMD、ARIMA和EMD-ARIMA 4个模型进行对比实验,结果表明,EEMD-ARIMA模型的拟合效果最好,其预测准确率可达到82.46%,该模型在年降水预测应用中能够更准确地描述年降水量的变化规律,具有实际意义。 

【文章来源】：计算机应用与软件. 2020,37(11)北大核心

【文章页数】：6 页

【部分图文】：

EEMD-ARIMA模型框架

EEMD是基于噪声辅助分析的方法,原理较为简单,通过在年降水序列中加入白噪声,白噪声频谱均匀分布,使得信号自动分布到合适的尺度上。由EMD的零均值特性,噪声在多次平均计算后会相互抵消,从而得到的集成均值计算结果即可视为最终结果,最终结果与原始序列的误差随着集成平均次数的增加而减小。因此从理论上讲,EEMD对抑制EMD的模态重叠有较好的效果。EEMD的算法流程如图1所示。1.2 ARIMA模型

式中:xt为样本值;εt为当期随机误差干扰;φi和γj为模型参数;p、d、q是模型阶数。xt为前p阶xt-1,xt-2,…,xt-p和前q阶εt-1,εt-2,…,εt-q的多元线性函数。ARIMA的建模流程如图2所示。2 EEMD-ARIMA模型

【参考文献】：
期刊论文
[1]基于时间序列模型的降雨量预测分析[J]. 程敏,张耀文,姜纪沂,任杰,赵振宏.  水科学与工程技术. 2019(01)
[2]基于EEMD-ARIMA模型的地区月负荷量预测[J]. 郭建鹏,佘颖铃,温步瀛.  电力工程技术. 2018(06)
[3]基于海温多极指标的长期降水预报方法[J]. 吴旭树,郭生练,巴欢欢,何邵坤,熊丰.  水利学报. 2018(10)
[4]基于ARIMA模型在降水量趋势分析与预测中的应用[J]. 刘剑.  水利科技与经济. 2018(09)
[5]降尺度方法在东亚气候预测中的应用[J]. 孙建奇,马洁华,陈活泼,汪君,于恩涛,田宝强.  大气科学. 2018(04)
[6]基于SLM模型的降水径流非线性扰动响应研究[J]. 徐世民.  水土保持应用技术. 2018(03)
[7]我国夏季降水预测方法研究进展[J]. 刘珂,潘婕,张荣刚.  人民黄河. 2018(01)
[8]玛纳斯河出山口径流EEMD-ARIMA预测[J]. 刘艳,杨耘,聂磊,宋秋宇.  水土保持研究. 2017(06)
[9]多元自回归模型在区域中长期水文预报中应用研究[J]. 宋楠.  水土保持应用技术. 2017(02)
[10]西安市多年降水特征分析及降水量预测[J]. 杨佳,钱会,高燕燕,霍晨琛.  南水北调与水利科技. 2016(03)



本文编号：3120100