南京大学学报(自然科学版) ›› 2017, Vol. 53 ›› Issue (5): 887.
周雨婷1,陈元芳2,王 栋1*,邹 鹰3,贺瑞敏4
Zhou Yuting1,Chen Yuanfang2,Wang Dong1*,Zou Ying3,He Ruimin4
摘要: 通过趋势分析、跳跃分析和周期分析对上海徐家汇站汛期雨量时间序列进行组成成分分析.在此基础之上,为了探究最适用于上海徐家汇站汛期雨量的长期预测模型,选择改进的周期均值叠加模型,自回归模型AR(p),门限自回归模型TAR,灰色模型GM(1,1),误差反向传播(BP)神经网络和径向基函数(RBF)神经网络建立长期预测模型.采用平均相对误差、均方根误差、确定性系数、合格率和特大值预测合格率这5项评价指标对比分析各模型预测效果.研究结果表明,徐家汇站汛期雨量时间序列的周期成分明显,不存在趋势和跳跃成分;综合5项指标,TAR模型对汛期雨量一般值的预测效果最优,对特大值的预测需要同时参考AR(p)模型和RBF神经网络.
[1] 桑燕芳,王中根,刘昌明.水文时间序列分析方法研究进展.地理科学进展,2013,32(1):20-30.(Sang Y F,Wang Z G,Liu C M.Research progress on the time series analysis methods in hydrology.Progress in Geography,2013,32(1):20-30.) |
No related articles found! |
|