时间序列分析在长沙市降雨量预测中的应用.pdf

摘要

时间序列分析是数理统计的一个重要分支，通常用于研究和处理

具有随机性的动态数据。随着科学技术和计算机的发展，时间序列分

析法得到了更大的发展空间，使其成为自然科学和社会科学研究领域

不可或缺的数据处理方法。

降雨量是反映一个地区气候状况的重要指标，一个地区气候的变

化可以比较直观的体现在该地区的降雨量的变化上，降雨量的多少也

会影响到社会生产和生态需水。近年来，随着气候条件变化的加剧，

导致降雨量的波动性较大，各城区也开始频繁出现极端降雨事件，由

此引发的区域洪涝灾害等现象也日益突出，因此，对未来城区降雨量

的准确预测这一课题具有重要的研究意义。

本篇论文主要是利用时间序列分析与神经网络的基本理论与方

法，来对长沙市的降雨量时间序列数据进行研究与分析，探究长沙市

逐日降雨量的规律及特征，并对其进行预测。基于长沙市马坡岭地区

2015年至2017年的逐日降雨量数据，分别采用ARMA-EGARCH和

BPRBFEVIEWSMATLAB

、神经网络三种方法，利用和软件来对

降雨量时间序列数据进行仿真模拟及预测，以期为合理分配水资源和

减少气象灾害所带来的经济损失提供一定的参考依据。实证研究结果

表明：

1

（）三种模型均能较好的拟合并预测长沙市的逐日降雨量，但

ARMA-EGARCHRBFBP

、模型的预测精度要明显高于神经网络模

I

型，这也验证了时间序列分析在降雨量预测上的可行性。

2ARMA-EGARCH

（）三种模型各具优势，模型的拟合和预测

BPRBF

精度较高，神经网络模型对微量降雨天气的预测更为准确，而

神经网络模型的全局预测效果较好。因此，可以结合三种方法来预测

长沙市的降雨量，提高预测的准确性。

3ARMA-EGARCH

（）模型是基于过去的降雨量数据进行建模

BPRBF

及预测，而、神经网络模型是利用六种气象因子的数据对降

雨量进行建模与预测，基于不同的数据，为长沙市降雨量预测提供了

两种有效的途径。

本论文的主要研究内容为时间序列分析与神经网络在长沙市降

雨预报中的重要应用，该研究为长沙市未来的降雨量提供了有效的预

测方法，对相关政府部门采取有效措施应对自然灾害、城市水资源合

理规划等方面提供一定的参考依据。

关键词：降雨量；时间序列分析；神经网络；预测

II

ABSTRACT

Timeseriesanalysisisanimportantbranchofmathematical

statistics,whichisusuallyusedtostudyandprocessdynamicdatawith

randomness.Withthedevelopmentofsciencetechnologyandcomputer,

thetimeseriesanalysismethodhasgainedmoredevelopmentspaceand

becomeanindispensabledataprocessingmethodinthefieldofnatural

scienceandsocialscienceresearch.

Rainfallisanimpo