基于混合模型SEPG-S對月降水量的研究及預(yù)測.pdf

1、要想準(zhǔn)確地評估洪水風(fēng)險(xiǎn)、合理地構(gòu)造可靠的防洪抗旱預(yù)警系統(tǒng),對月降水量的精確中長期預(yù)測必不可少.對月降水量序列來說,具有高波動和非線性的特征.通過傳統(tǒng)的、單一的方法來實(shí)現(xiàn)對月降水量的高精度預(yù)測非常困難.這些方法雖然具有容易識別、模型簡單的優(yōu)點(diǎn),但對于非線性月降水量的中長期預(yù)測很難達(dá)到理想的效果.基于這個原因,本文提出了基于季節(jié)因子調(diào)整(SIA)、集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)、偏自相關(guān)分析(PACF)、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)和SARI

2、MA的組合優(yōu)化模型SEPG-S,來解決具有非平穩(wěn)、非線性特性的降水量時間序列預(yù)測問題.首先,通過SIA對含有季節(jié)性的降水量序列進(jìn)行處理,提取出其中的季節(jié)因子;然后,通過EEMD對已去除季節(jié)影響的降水量序列進(jìn)行分解,將其分解成含有不同尺度,頻率由高到低的一系列本征模態(tài)函數(shù)(IMF);最后,應(yīng)用GRNN和SARIMA對這些IMF和殘差序列分別處理,將每個IMF和殘差的預(yù)測結(jié)果加總整合得到最終的預(yù)測值.以甘肅省酒泉市降水量序列為例進(jìn)行案例分析

3、,并與其它預(yù)測方法進(jìn)行比較.結(jié)果表明,本文提出的方法效果較好.與此同時,為了驗(yàn)證這個模型具有良好的預(yù)測精度和強(qiáng)泛化特性,將該方法用于甘肅省敦煌、玉門鎮(zhèn)這兩個地區(qū)的月降水量預(yù)測,同樣取得理想的效果.研究中發(fā)現(xiàn),SIA可提取原始數(shù)據(jù)中的季節(jié)成分,避免季節(jié)因子對月降水量的影響;EEMD方法可有效分解具有高波動、非線性的降水量時間序列,保留其原有的特性以及不同時間尺度的分布規(guī)律;PACF和交叉驗(yàn)證分別用來確定GRNN輸入層神經(jīng)元的數(shù)目和優(yōu)化GR