基于灰色关联法的月降雨量预测.pdfVIP

2019 年1 月 灌溉排水学报 第38 卷 第1期 Jan. 2019 Journal of Irrigation and Drainage No. 1 Vol.38 文章编号：1672 - 3317（2019 ）01 - 0090 - 06 基于灰色关联法的月降雨量预测 * 孙晓婷，任刚红，杜 坤 ，冯 燕，周 明 （昆明理工大学建筑工程学院，昆明 650500） 摘 要：【目的】提高降雨量预测精度，为农业、水利等相关部门提供决策依据。【方法】鉴于月降雨量时间序列具有显 著的多尺度特征，开展了数据驱动下基于模型融合的月降雨量预测研究，应用灰色EGM( 1,1)模型和自适应模糊神 经网络系统（ANFIS ）分别预测了年尺度与月尺度下的月降雨量，采用灰色关联法将2 个预测结果进行数据融合。 利用澳大利亚维多利亚8 个站点降雨数据验证所提出方法，并将预测结果进行了与单一灰色EGM( 1,1) 、ANFIS 、人 工神经网络（ANN ）、自回归积分滑动平均模型（ARIMA ）与聚类回归法（CLR）模型预测结果对比。【结果】模型融合 预测结果精度高于单一EGM( 1,1) 、ANFIS 、ANN 及ARIMA 模型预测结果，并在8 个站点中的5 个取得了最佳预测 效果，其中中部地区（Ballarat 和Cape Otway 站点）及东部地区（Dookie ，Wangaratta 和Orbost 站）预测均方根误差为 28.2～37.2 mm ，西部地区（Dimboola ，Edenhope 和Dunkeld 站点）预测均方根误差为20.8～23.4 mm 。【结论】所提出 的模型融合预测法可行，为月降雨量预测提供了新思路。 关 键 词：月降雨量预测；数据驱动；模型融合；自适应模糊神经网络系统；灰色预测模型 中图分类号：TP 183 文献标志码：A doi ：10.13522/ki.ggps 孙晓婷，任刚红，杜坤，等. 基于灰色关联法的月降雨量预测[J]. 灌溉排水学报，2019 ，38（1）：90-95. 0 引 言 降雨量是开展水资源管理、城市内涝预警以及水文分析的重要参数。对降雨量进行预测可为农业、水 [1-2] 利等相关部门提供决策依据 ，具有重要的理论意义和实用价值。降雨量预测模型可分为物理模型和数据 驱动型模型。物理模型根据物理定律模拟与降雨相关的物理过程进行降雨量预测，数据驱动模型则通过挖 掘历史数据变化规律预测降雨量。由于降雨是极为复杂的水文过程，受海洋、大气及陆地表面特征等相互 作用影响，导致很难构建准确的物理模型，而基于数据驱动的降雨量预测模型更具适用性。 在数据驱动预测方法中，自回归移动平均模型（ARIMA ）与人工神经网络（ANN ）被广泛用于降雨量预 [3] 测。例如：Narayanan 等 应用AIRMA 模型对印度地区季风期降雨量进行预测，得出季风期降雨量存在增长 [4] 趋势；Kim 等 应用ARIMA 模型预测了蒙古地区季度降雨量，其预测结果与实际变化趋势基本一致。然而， [5] ARIMA 模型只对具有自相关性、趋势性或季节性的季度降雨量有较高预测精度 ，而对非线性、非平稳的月 [6] 降