惩罚CRPS模型及其在地面温度预测上的应用
发布时间：2020-12-29 01:56
适宜的温度是人类生存重要环境条件之一,同时,温度对农业、医学、公共卫生和人类的生产影响十分巨大.特别地,对于一些温差大的地区,如果温度预测的准确度不高,就不能给人们的生产和工作计划提供良好的指导.为进一步有效提高温度预测的准确度,更好指导人们的生产和生活,本文探讨一种基于1正则项的连续等级概率评分（continuous ranked probability score,CRPS）统计后校正集成模型.特别地,以截断的正态分布为基础,将集成预测转化为概率预测并通过构建CRPS和加惩罚项对集成预测结果进行校正以提高预测准确度.我们以甘肃省兰州市和美国新墨西哥州为例,收集两个地区逐小时地面温度数据.本文首先利用拉格朗日插值法和奇异谱分解（singular spectral analysis,SSA）对原始时序数据进行补全和预处理.其次,根据实验结果确定截断的正态分布为最佳分布类型对集成进行校正.然后,在原有校正基础上加入1正则项,以降低计算量和避免过拟合.最后,对预测结果进行多种方式的比较和分析.实验结果显示本文所提出的基于惩罚的CRPS相比较其他方...
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：43 页
【学位级别】：硕士
【部分图文】：
奇异谱分解之后,兰州市逐小时地面温度前5个不同序列趋势成分.
兰州大学硕士学位论文惩罚CRPS模型及其在地面温度预测上的应用图4.1:奇异谱分解之后,兰州市逐小时地面温度前5个不同序列趋势成分.图4.2:奇异谱分解之后,新墨西哥州市逐小时地面温度前5个不同序列趋势成分.19
兰州大学硕士学位论文惩罚CRPS模型及其在地面温度预测上的应用果仍不太理想,所以在集成的过程中利用统计方法进行校正.分别以截断的正态分布,伽马分布和左截断逻辑斯蒂分布为基本统计分布类型进行校正.在做预测的时候,首先根据ACF和PACF的值确定自回归系数的取值范围,然后根据AIC和BIC准则确定的值,并且将过去个时刻的值作为影响当前时刻值的个协变量,对当前时刻的温度值进行预测.根据实验确定兰州市和新墨西哥州两地对应的值分别为5和6,也即表明分别用过去5个时刻和6个时刻的值预测当前时刻的温度值.对于7个模型的预测值,在式(2.9)和(2.10)的基础上,分别假设其服从截断正态分布,伽马分布和左截断的逻辑斯蒂分布,通过最小化式(2.16),(2.18)和(2.20)进行校正,相应的预测时序图由图4.3和4.4给出,且相应的R2,RMSE和MAE指标值由表4.1和4.2给出,根据图和表我们可以得到如下结论:图4.3:兰州市不同统计分布校正下的预测时序图,预测值时段是从2017年7月1号下午14点开始到7月4号下午14点,一共72个小时.20
【参考文献】：
期刊论文
[1]温度单位变革的历程[J]. 冯晓娟,张金涛,林鸿,屈继峰,段宇宁. 计量技术. 2019(05)
[2]基于机器学习模型的青藏高原日降水数据的订正研究[J]. 陈浩,宁忱,南卓铜,王玉丹,吴小波,赵林. 冰川冻土. 2017(03)
[3]基于K最近邻模型的青藏高原CMORPH日降水数据的订正研究[J]. 王玉丹,南卓铜,陈浩,吴小波. 遥感技术与应用. 2016(03)
[4]基于评分法的测量系统能力评价[J]. 施亮星,马红叶,何桢. 工业工程. 2015(05)
[5]EMD-SVM在南京市月平均气温预测中的应用[J]. 蔡吉花,张世军,杨丽. 数学的实践与认识. 2014(22)
[6]SVM方法在北京地区夏季晴雨预报中的初步应用[J]. 何娜,付宗钰,赵玮,吴进,吴剑坤,廖晓农. 暴雨灾害. 2013(03)
[7]基于奇异谱分析的汇率预测研究[J]. 张一,惠晓峰. 统计与决策. 2012(06)
[8]基于改进的EMD的运城市持续极端气温的初步分析[J]. 秦旭,张讲社,延晓冬. 大气科学学报. 2009(05)
本文编号：2944780
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：43 页
【学位级别】：硕士
【部分图文】：
奇异谱分解之后,兰州市逐小时地面温度前5个不同序列趋势成分.
兰州大学硕士学位论文惩罚CRPS模型及其在地面温度预测上的应用图4.1:奇异谱分解之后,兰州市逐小时地面温度前5个不同序列趋势成分.图4.2:奇异谱分解之后,新墨西哥州市逐小时地面温度前5个不同序列趋势成分.19
兰州大学硕士学位论文惩罚CRPS模型及其在地面温度预测上的应用果仍不太理想,所以在集成的过程中利用统计方法进行校正.分别以截断的正态分布,伽马分布和左截断逻辑斯蒂分布为基本统计分布类型进行校正.在做预测的时候,首先根据ACF和PACF的值确定自回归系数的取值范围,然后根据AIC和BIC准则确定的值,并且将过去个时刻的值作为影响当前时刻值的个协变量,对当前时刻的温度值进行预测.根据实验确定兰州市和新墨西哥州两地对应的值分别为5和6,也即表明分别用过去5个时刻和6个时刻的值预测当前时刻的温度值.对于7个模型的预测值,在式(2.9)和(2.10)的基础上,分别假设其服从截断正态分布,伽马分布和左截断的逻辑斯蒂分布,通过最小化式(2.16),(2.18)和(2.20)进行校正,相应的预测时序图由图4.3和4.4给出,且相应的R2,RMSE和MAE指标值由表4.1和4.2给出,根据图和表我们可以得到如下结论:图4.3:兰州市不同统计分布校正下的预测时序图,预测值时段是从2017年7月1号下午14点开始到7月4号下午14点,一共72个小时.20
【参考文献】：
期刊论文
[1]温度单位变革的历程[J]. 冯晓娟,张金涛,林鸿,屈继峰,段宇宁. 计量技术. 2019(05)
[2]基于机器学习模型的青藏高原日降水数据的订正研究[J]. 陈浩,宁忱,南卓铜,王玉丹,吴小波,赵林. 冰川冻土. 2017(03)
[3]基于K最近邻模型的青藏高原CMORPH日降水数据的订正研究[J]. 王玉丹,南卓铜,陈浩,吴小波. 遥感技术与应用. 2016(03)
[4]基于评分法的测量系统能力评价[J]. 施亮星,马红叶,何桢. 工业工程. 2015(05)
[5]EMD-SVM在南京市月平均气温预测中的应用[J]. 蔡吉花,张世军,杨丽. 数学的实践与认识. 2014(22)
[6]SVM方法在北京地区夏季晴雨预报中的初步应用[J]. 何娜,付宗钰,赵玮,吴进,吴剑坤,廖晓农. 暴雨灾害. 2013(03)
[7]基于奇异谱分析的汇率预测研究[J]. 张一,惠晓峰. 统计与决策. 2012(06)
[8]基于改进的EMD的运城市持续极端气温的初步分析[J]. 秦旭,张讲社,延晓冬. 大气科学学报. 2009(05)
本文编号：2944780
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/2944780.html
