时间序列ARMA模型在海表温度中的应用论文.docVIP

时间序列ARMA模型在海表温度中的应用 作者 摘要：时间序列分析是概率统计学中应用性较强的一个分支，其在海表温度的预测等领域也有着广泛应用。海表温度（SST）是海洋与大气之间相互作用的关键因素，本文在对海表温度SST分析的基础上，展示海表温度在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。获得海表温度随时间过程的演变特性与规律，进而预测海表温度的未来发展。本文在时间序列ARMA模型的基础上，利用AIC准则对模型进行定阶，并对时间序列随机项利用Daniel进行平稳性检验以及残差利用Ljung-Box检验进行白噪声检验。 关键词：海表温度；ARMA模型；AIC准则；Daniel检验；Ljung-Box检验 中图分类号： 文献标识码：A 文章编号： 1 引言 海表温度不仅是用于描述海洋表层热状况的主要指标，其异常还是海洋影响大气环流和气候变化的重要因子，在海气相互作用研究中，海表温度一直是人们观测、研究和预报的重要对象。海洋约占地球表面积的70%，全球海洋吸收的太阳辐射量约占进入地球大气的总太阳辐射量的70%左右，对大部分存储在海洋表层。这些被存储的能量将以潜热、长波辐射和热交换的形式传输给大气，驱动大气运动。海洋热状况的变化将对大气运动的能量发生重要影响，从而引起全球气候和环境变化。由此可见，海洋是全球气候系统的组成部分，是调节和制约气候异常的重要因素。海表温度是海洋的主要物理参数之一，在大气与海洋间热量、动量及水汽交换中扮演着重要角色。他是决定海气相互作用及气候变化的重要因素。海表温度数据已经被广泛的运用到多个海洋研究领域。例如，海表温度是控制生物种群分布、洄游和繁殖的基本量。因此海表温度数据集的研究、预测在实际生活中有着极其重要的作用。 一个时间序列，展示了被研究对象在一段时间内发展变化过程。所谓时间序列方法，就是指在所研究对象的一组实测时间序列基础上，通过各种数学的分析处理手段，寻找序列变化特征、发展趋势与规律，进而对未来某时刻研究对象的状态作出估计。这样，就把影响研究对象的一切因素由“时间”综合起来描述了。ARMA模型理论已被证明是实现平稳时间序列建模的有效工具之一，可用于谱估计、预测、控制、故障诊断等领域，具有广阔应用前景。滑动自回归（ARMA）模型不仅与它以前时刻的响应有直接关系，而且还与它以前时刻的进入系统的扰动存在着一定的相关关系。这种模型与其他预测方法，具有以下特点：ARMA模型预测只考虑预测序列本身历史数据反映和包容的信息，几乎不直接考虑其他相关指标的信息；ARMA预测方法主要用于短期预测；由于ARMA预测模型不直接考虑其他相互因素的变动，预测方法比较简明，适合于指标数量不大但预测频度较高的预测工作。 趋势性、周期性、突变性是时间序列的基本特征，同样海表温度SST也有其相应的性质。而在做ARMA模型前，我们需对时间序列判断并剔除趋势项、周期项，从而得出随机项。目前国内外对ARMA模型的研究已相对较为完整，因此，在ARMA模型的处理方法中比较具有针对性。在对随机项做ARMA模型，首先需要对其进行平稳性检验，通过平稳性检验的随机项才能够用来建立ARMA模型。本文给出了观察时序图对于平稳序列的自相关函数及偏自相关函数具有特征；在ARMA模型阶数确定的基础上，本文求出残差，并利用Ljung-Box检验法对残差进行白噪声检验，证实模型的可靠性。 2 模型建立与分析 滑动自回归（ARMA）模型在预测模型着起着重要的作用，利用其对时间序列海表温度随机项进行定阶，从而进行短期预测，对于海表温度的分析以及海表温度测试的准确性等，具有重要的现实意义。 2.1 ARMA模型介绍 如果时间序列是独立的，没有任何相关关系，这样的资料所揭示的统计规律是事物独立的随机变动，系统无记忆能力，对于这样的问题可用多元统计分析进行研究；而如果时间序列之间有一定联系，我们需找出其运动规律，并根据这个规律建立模型，对系统未来的发展进行预测与控制。 而如果一个系统在时刻t的响应不仅与它以前时刻t-1,t-2,……的响应，，……有直接关系，而且还与以前时刻t-1,t-2……进入系统的扰动，……存在一定的相关关系，那么此类系统为滑动自回归（ARMA）模型。数学模型如下： 其中：--随机过程 --白噪声过程 特别的，当时，称为中心化ARMA（p，q）模型，引进延迟算子，则可记为： 其中，为p阶自回归系数多项式 为q阶滑动平均系数多项式 因此，在平稳时间序列建立模型时，可先拟合一个ARMA（p，q）模型，然后根据其参数值和是否显著为0这一信息来寻找较为合理的模型，再拟合相应模型检验其适应性。 根据ARMA模型的性质，给出ARMA模型定阶的流程图，如图1： 图1：ARMA模型定阶流程图