时间序列分析预测法在降水预报中的应用.pdfVIP

维普资讯 12 青 海 气 象 2O06年第4期 时间序列分析预溺法在降水预报 巾昀应用 苏 力 (青海省雷电灾害防御中心 西宁 8l0001) 摘 要：本文从时间序列的基本概念出发，阐明了两类不同的分析预测方法。着重讲述了非平稳时间序列的平稳化 及P阶自回归模型。并以西宁站夏季降水资料为例讲述了P阶自回归模型的建模步骤。 关键词：时间序列 ；平稳时间序列；P阶自回归模型 l 时间序列的基本概念及其预测分析方法 一 般的时间序列均为非平稳时间序列。这是因 气象要素是随时间变化的，对它的观测形成一 为，一方面，平稳实际上是一种理想化的过程，而非 组有序的数据，称这种数据为时间序列。时间序列 平稳才是 自然界的本来面目；另一方面，对预报因子 分析方法的基本思想是认为气象要素在随时间变化 影响其变化的主要随机因素项随时间而变化，所以 过程中任一时刻的变化和前期要素变化有关。利用 它们的统计特性随时间推移而变化．由于非平稳时 这种关系建立适当的模型来描述它们变化的规律 间序列中各种因素交织在一起，使得序列变得复杂， 性，然后利用所建立的模型作出要素未来时刻的预 难以预测。通常，对非平稳时间序列可采用两类方 报值的估计。这是一种统计学的方法，在研究方法 法进行预处理。第一类是需要了解 和 Pt的具体 上常把时间序列看成为随时间变化的随机序列。 演变规律，因而采用数学模型确定Hr和 Pf的解析 实际的气象纪录序列，由于其非平稳性特征，可 形式；第二类则是对 和 的形式并不感兴趣，希 能表现为以下三种类型的结构…： 望通过某些方法消除他们的非平稳影响。 (1)加法型：Y= + +X 对气象要素的年变化一般采用该要素各月的累 (2)乘法型：Yr=珥Pr)(r 年平均值来反映。对于变化不大的要素如气温、海 (3)混合型： = X+Pf 或Y= + X 温等常用距平法消除年周期变化。对于变化性较大 式中IIr称为趋势分量 (一般指气候趋势)，它 的因素如降水，可采用距平百分率或百分率来产生 表示气象要素在相当长年代内显示出的上升或下降 新的平稳时间序列[2】。 的变化趋势。不过，这种上升或下降的趋势往往只 2 平稳时阎序列的特点及 P阶自回归模型 是相对于有限序列长度的一种表现，如果序列更加 平稳随机序列或平稳随机过程，它具有如下两 延长，它可能只是循环变化或某种周期波动的一段 个特点：第一，它的数学期望、方差不随时间变化， 升(降)分支； 称为周期分量 (或循环分量)，它一 第二，协方差函数只与时间间隔t—s有关，并具有 般是由两个以上周期不同的循环变化组成的，其中 各态历经的性质，因此下述的样本平均值 、方差、自 包括因受天文气候因素影响而固有的年(日)变化和 协方差、自相关函数，可作为其总体量的一个估计。 周期长度不很严格(如几天、十几天、几年或几十年) = l善a置 的周期性振动等；)(f称为平稳序列分量，它是由于 气象要素受到各种不确定因素(含纯随机因素)的影 s：： (置 一 )： ，li=I 。 响而形成的。关于 和 分量，往往反映出数据 C1【)= ∑(置一 )(-Xi+。一 ) 的确定性变化，一般可采用经验函数 (如多项式、指 数函数、正函数、样条函