时间序列分析-降水量预测模型.docVIP

Harbin Institute of Technology 实验报告 课程名称： 时间序列分析 设计题目： 降水量预测模型 院 系： 电子信息与工程学院 班 级： 电子二班 设 计 者： 学 号： 指导教师： 冀振元 设计时间： 2010/05/07 1. 实验选题 课程设计以国家黄河水利委员会建站的山西省河曲水文站1952年至2002年51年的资料为例，以1952年至2001年50年的降水序列作为样本，建立线性时间序列模型并预测2002年的降水状态与降水量，并与2002年的实际数据比较说明本模型的具体应用及预测效果。资料数据见表1。 表1 山西省河曲水文站55年降水量时间序列 时段 降水量(mm) 时段 降水量(mm) 时段 降水量(mm) 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 261.6 486.4 631.5 259.0 568.0 398.2 479.6 697.6 397.7 640.4 247.1 387.7 694.2 211.4 322.6 656.6 325.3 603.8 424.8 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 383.3 238.8 423.0 237.1 330.7 445.9 518.9 492.6 490.3 257.0 400.6 347.5 368.3 411.5 356.2 381.2 318.0 473.0 373.3 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 369.0 348.3 469.2 228.1 338.8 546.1 358.9 237.1 423.3 257.4 234.4 389.6 487.3 2．实验原理 2.1模型表示 均值为0，具有有理谱密度的平稳时间序列的线性随机模型的三种形式，描述如下： 1、自回归模型：由个参数刻画； 2、滑动平均模型：由个参数刻画； 3、混和模型： 混和模型由个参数刻画； 2.2 自相关函数和偏相关函数 1、自相关函数刻画了任意两个时刻之间的关系， 2、偏相关函数刻画了平稳序列任意一个长的片段在中间值固定的条件下，两端，的线性联系密切程度。 3、线性模型、的性质 表2 三种线性模型下相关函数性质 模型 函数 拖尾 截尾 拖尾 截尾 拖尾 拖尾 2.3 模型识别 通常平稳时间序列，仅进行有限次测量，得到一个样本函数，且利用平稳序列各态历经性：做变换，，，将样本换算成为样本，然后再确定平稳时间序列的随机线性模型。 2.3.1 样本自相关函数 平稳序列， ，对于样本，定义自协方差函数： ，。同时为了保证，一般取。常取。 2.3.2 确定模型类别和阶数 在实际应用中，我们常用有一个样本算出的，判别，是拖尾还是截尾的。随机线性模型的三种形式的判别分别如下： 1、若拖尾，截尾在处，则线性模型为模型。拖尾可以用的点图判断，只要样本自相关函数的绝对值愈变愈小；当时，平均20个样本偏相关函数中至多有一个使，则认为截尾在处。 2、若截尾，在处截尾，那么线性模型为滑动平均模型。拖尾可以根据样本偏相关函数的点图判断，只要愈变愈小。当时，若平均20个样本自相关函数中至多有一个使。 3、若样本自相关函数和样本偏相关函数都是拖尾的，则线性模型可以看成混和模型。 2.4 模型参数估计 1、模型参数估计： 模型有个参数：。利用Yule-Walker方程，利用Toeplitz矩阵求逆和作矩阵乘法的方法算样本偏相关函数。模型的参数值不必作专门的计算，只要在样本偏相关函数计算的记录中取出样本参数值即可。此时,都已经确定了，经过推理我们可以得到：。 2、滑动平均模型参数估计： 可得个方程，求，即解这个非线性方程组。 3、混和模型参数估计 对于满足一个条件：采用先计算 ，在计算的方法，具体如下：1）可利用Toeplitz矩阵和作矩阵乘法的方法求出