-时间序列ARMA模型在海表温度中地应用 2.pdfVIP

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 [1] 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 [2] 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 [3] 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 [4] 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 [5] 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 1 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 。文档由酷我音乐盒2014官方免费下载/分享 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、自相关图检验、单位根检验以及Daniel检验法四种方法，并 Daniel检验法对本文中随机项序列进行平稳性检验；平稳性检验通过则进行下一步，否则进行差分 处理非平稳随机序列，本文对各海域大量的时间序列集做一阶差分，发现所有不平稳随机序列在一 阶差分后达到平稳；在ARMA模型中，本文主要考虑的是对模型进行定阶，模型定阶目前主要有三 种方法