时间序列模型在径流长期预报中的应用研究.pdfVIP

维普资讯 第37卷 第2期 人 民 长 江 V01．37．No．2 2006年 2月 Yangtze River Feb．， 2006 文章编号：1001—4179(2006)02—0040—02 时间序列模型在径流长期预报中的应用研究 胡 军 华 唐 德 善 (河海大学 商学院，江苏 南京 210098) 摘要：自回归积分移动平均法(ARIMA法)通过对噪声概率分布的研究，可知道预测在各种概率下可能出现的 偏差大小，能很好地处理随机干扰问题。随着计算机技术的发展 ，该方法的计算工作量大的缺点，也迎刃而解。 介绍了ARIMA预测模型的建模原理和建模方法，并将该方法应用到塔里木河上游源流卡群水文站的年径流量 预报中，以误差在 ±20％以内为全合格标准，合格率达到90％以上。 关 键 词：时间序列；ARIMA模型；径流；预报 中图分类号；P338 ．2 文献标识码：A )阶 自回归移动平均模型，记为：ARMA(P，q)。 1 概 述 当阶数(P，口)固定时，上述系数可用矩估计法、非线性最 国内外长期径流预报模型总体上可分为两类：①从探索预 ／b乘估计法 、最小平方和估计等方法确定 j。 报对象的外界影响因素着手，应用统计分析等方法建立预报模 上述讨论中，假定时间序列{Y}是平稳的；非平稳时，根据 型；② 从探索预报对象本身的历史演变规律出发，找出预报对 B_J方法原理，可以对它进行差分，将其变换为平稳序列 ]。 象前后期的关系，并以此建立预报模型…。 定义差分算子v，令W =vYt，v 为d阶差分算予，d= 时间序列是对某种统计指标按时问先后顺序排列所形成的 1，2，3，…，则 ： 数值序列。时问序列分析主要是通过对时间序列建立一个描述 V = 一 一l (2) 该现象变化发展趋势的动态模型，并利用模型在时间上进行外 v = 一 —l一(—l一 一2)= 一2yt—l+Yt一2 (3) 推，从而预测该现象的未来发展趋势。实践证明时间序列是进 一 般地 ，有： 行径流中长期预报的有效方法。 d 径流预报从时间上可分为中长期径流预报和短期径流预 v =v(v )=∑(一1) 、一 一 (4) 报，笔者将时间序列中ARIMA模型应用于塔里木河源流卡群水 由于差分后的序列 {W }均值为零，此时Akaike信息准则 文站中长期径流量预报，并对结果进行分析和验证。 的值 AIC需改为： 2 AmMA模型简介 AIC(p，q)=(—d)log3~+2(p+q+2) 利用 AIC(p，q)即可求出差分序列 {W }的ARIMA(p，d， ARIMA(AutoregressiveIntegratedMovingAverage，自回归积分 q)模型的阶数。当差分次数 d；1时，{ }在时段 的未来第 移动平均法)是美国学者GeorgeBox和英国统计学家GwilymJen- l时段的预测值可用下列公式求出： kins所创