ARIMA模型在田东县年降雨量预测中的应用.pdfVIP

广西水利水电 GUANGXIWATERRESOURCES＆HYDROPOWERENGINEERING 2014(4) · 水文水能 · ARIMA模型在田东县年降雨量预测中的应用 王宝红 康永辉 (1．广西水利电力职业技术学院，广西 南宁 530023；2．广西水利电力勘测设计研究院，广西 南宁 530023) [摘要】介绍了自回归移动平均模型ARIMA(p，d，g)的原理和建模方法。根据田东县近年来年降雨量特征，建立了 ARIMA(1，1，12)预测模型进行分析预测 ，并与灰色预测模型GM(1，1)的预测结果进行对比，对比的结果是ARIMA 模型的预测精度比灰色预测模型的精度明显提高。 关【键词】ARIMA模型；灰色预测模型；年降雨量 ；预测；田东县 中【图分类号】P338 文【献标识码】B 文【章编号】 1003-1510(2014)04-0030-04 其方差、趋势及其变化规律 ，对序列的平稳性进行 1 ARIMA模型概述 识别 ； 1．1 原理 (2)数据序列平稳化处理，如果水文数据时序 ARIMA是在分析时间序列变量的基础上，运用 是非平稳的，则应对其变化趋势作识别判断，如果 数学建模方法，使时间趋势向外延伸，获得数据序 数据序列存在一定的增长或下降趋势等，则需要对 列和发展变化趋势，通过分析得到变量的预测成果 时序数据进行差分处理 ，如果数据序列存在异方 的一种时间序列建模方法，其建模的基本思想是用 差 ，则应对数据进行对数转换或者开方处理，直到 差分消除序列中的趋势项，将非平稳的时间序列用 处理后的数据的自相关函数值和偏相关函数值无 若干次差分后转化为平稳序列，作差分的次数就是 显著地异于零。 参数d，再用以P(自回归项)、q(移动平均项)为参数 (3)识别模型的阶数2[】，进而建立相应的时间序 的ARIMA模型对该平稳序列建模，然后经反变换得 列模型 ，而 自相关 函数和偏相关函数是识别ARI 到原序列。以P、d、q为参数的ARIMA模型预测方 MA模型最主要的工具 ，主要依据如下：①对于MA 程可以表示为： (g)模型，样本的自相关函数是q步截尾的，而偏相 Y =00+ 1Y + 2Y一2+… + PY一P+ 一01占卜J 一 l 关函数是拖尾的；②对于AR(p)模型，样本的偏相 一 02e 2一… 0ef-。 q 关函数是P步截尾的，而 自相关函数是拖尾的；③对 式 中 ：Y 为 样 本 值 ； =l，2，…，p)和 于季节性非平稳序列，自相关函数和偏相关函数会 (7=l，2，…g)为模型参数； 为服从独立正态分布 呈现周期变化 ，由此也可识别原 时间序列的季 ， NO，6)的白噪声序列。P，d，q为模型的阶数，通 节项。 过对不同的P，d，口组合测试可以优化模型预测 (4)参数估计 ，估计暂定的模型参数 ，一般采 结果 ，并找到合适的模型参数。在进行ARIMA建模 用极大似然估计方法，并利用t统计量检验估计量 和预测时需要首先对数据进行平稳化处理，对于非 的显著程度。 平稳数据序列需要进行数据差分处理 ；然后需要进 (5)进行假设检验 ，需对模型的残差序列进行 行模型识别和参数估计；根据参数效验后选取合适 白噪声检验 ，若残差序列不是 白噪声序列，意味着 参数的模型进行预测。