• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于時間序列的貴陽市煙草生長期內(nèi)降水量預(yù)測

    2020-07-14 15:34:41吳莉娟彭高輝徐晨輝
    科技創(chuàng)新與應(yīng)用 2020年21期
    關(guān)鍵詞:時間序列

    吳莉娟 彭高輝 徐晨輝

    摘? 要:為了對貴陽市煙草生長期內(nèi)的降水量進行預(yù)測,文章利用Matlab、Eviews軟件,基于貴陽市1958-2012年5-8月的降水量數(shù)據(jù),建立時間序列預(yù)測模型。再應(yīng)用此模型對貴陽市2013-2018年5-8月總降水量進行預(yù)測,與實際值對比檢驗?zāi)P偷挠行浴W詈髮F陽市2019-2022年的降水量進行預(yù)測,并利用降水距平百分率得出其旱澇等級,從而有效預(yù)防旱澇急轉(zhuǎn)對貴陽市經(jīng)濟作物產(chǎn)生的不良影響。

    關(guān)鍵詞:降水距平百分率;時間序列;降水量預(yù)測

    中圖分類號:P426.616? ? ? 文獻標志碼:A? ? ? ?文章編號:2095-2945(2020)21-0039-02

    Abstract: In order to predict the precipitation during the growth period of tobacco in Guiyang City, this paper uses Matlab and Eviews software to establish a time series prediction model based on the precipitation data of Guiyang city from May to August during the years 1958-2012. Then the model is applied to predict the total precipitation of Guiyang from May to August of the years 2013-2018, and the validity of the model is verified by comparing with the actual value. Finally, the precipitation of Guiyang City in the years 2019-2022 is predicted, and then the grade of drought and flood is obtained by using the percentage of precipitation anomaly, so as to effectively prevent the adverse impact of the rapid change of drought and flood on the economic crops of Guiyang City.

    Keywords: precipitation anomaly percentage; time series; precipitation forecast

    引言

    近年來,全球氣候變暖成為世界關(guān)注的焦點,氣候變化引發(fā)的極端干旱和洪澇水文事件的嚴重性以及旱澇急轉(zhuǎn)復(fù)雜性與艱巨性已被越來越多的國家及專家學者所關(guān)注。隨著氣候變暖,貴陽市旱澇急轉(zhuǎn)災(zāi)害頻次與強度受氣候變化影響而加劇。煙葉為貴陽市主要經(jīng)濟作物之一,煙葉的品質(zhì)和產(chǎn)量的穩(wěn)定性由于受到氣候的影響而易產(chǎn)生較大波動,這就必然會造成貴陽市經(jīng)濟作物的損失。

    國內(nèi)外的學者對旱澇災(zāi)害開展過一系列研究,谷紅梅、袁義杰[1]等研究了貴州省興仁縣煙草生長期內(nèi)旱澇急轉(zhuǎn)趨勢變化特征;余祝媛、賀中華[2]等對貴州省近55年降水量的空間分布特征和時空變化趨勢進行了分析;陳燦、胡鐵松[3]等關(guān)于水稻灌區(qū)旱澇急轉(zhuǎn)定義進行了探討。

    本課題運用Matlab、Eviews軟件和時間序列預(yù)測模型、降水距平等方法對貴陽市降水量進一步研究,對貴陽市降水量進行預(yù)測,以便提前采取應(yīng)對措施,該模型的建立對貴陽市的經(jīng)濟作物產(chǎn)量和質(zhì)量保證有著重要意義。

    1 研究區(qū)概況

    貴陽市位于貴州省中部,西靠安順,北鄰畢節(jié),東南與黔南布依族、苗族自治州的四縣接壤,處在東經(jīng)106°07′至106°17′,北緯26°11′至26°55′之間。貴陽市總地勢西南高、東北低,平均海拔在1100米左右,屬于以山地、丘陵為主的丘原盆地地區(qū),其氣候為亞熱帶濕潤溫和型氣候,由于地處費德爾環(huán)流圈,常年受西風帶控制,年平均氣溫為15.3℃,年平均總降水量為1129.5mm。

    2 資料與方法

    2.1 數(shù)據(jù)來源

    本文數(shù)據(jù)資料來源于各省、市、自治區(qū)氣候資料處理部門逐月上報的《地面氣象記錄月報表》的信息化資料,選取1958-2012年貴陽市煙草生長期內(nèi)(5-8月)的降水量數(shù)據(jù)進行研究。

    2.2 時間序列模型

    時間序列模型主要通過對長期數(shù)據(jù)系列進行趨勢組合和隨機數(shù)據(jù)系列進行組合疊加的方法進行數(shù)據(jù)系列動態(tài)處理,其中ARMA(p,q)模型是一種精度較高的小序列尺度的有效預(yù)測模型。具體計算步驟如下:

    2.2.1 序列平穩(wěn)化

    根據(jù)降水量時間序列,利用ADF檢驗判斷序列是否平穩(wěn)。若序列平穩(wěn)則按步驟2操作,否則利用若干次差分將其轉(zhuǎn)化成平穩(wěn)序列。

    2.2.2 模型識別

    通過自相關(guān)和偏自相關(guān)圖估計出不同階數(shù)p、q的可能取值。

    (1)自相關(guān)函數(shù)

    構(gòu)成時間序列的每個序列值Xt,Xt-1,Xt-2,…,Xt-k之間的簡單相關(guān)關(guān)系稱為自相關(guān)。自相關(guān)程度由自相關(guān)系數(shù)?酌k度量,表示時間序列中相隔k期的觀測值之間的相關(guān)程度,

    其中自相關(guān)系數(shù)?酌k的取值范圍是[-1,1],|?酌k|越接近1,自相關(guān)程度越高。

    (2)偏自相關(guān)函數(shù)

    偏自相關(guān)系數(shù)是指對于時間序列Xt,在Xt-1,Xt-2,…,Xt-k+1給定的條件下,Xt與Xt-k之間的條件相關(guān)關(guān)系,其相關(guān)程度用偏自相關(guān)函數(shù)?漬kk度量,-1≤?漬kk≤1,

    其中?酌k是滯后k期的自相關(guān)系數(shù)。

    2.2.3 階數(shù)p、d、q的確定

    自回歸階數(shù)p的選擇:數(shù)理統(tǒng)計的理論證明,完全隨機序列相關(guān)系數(shù)的抽樣分布近似于以0為均值、σ=1/√n為標準差的正態(tài)分布,區(qū)間(-1.96σ,+1.96σ)稱為隨機區(qū)間。具有統(tǒng)計有效性的偏自相關(guān)系數(shù)數(shù)目或落在隨機區(qū)間外的偏自相關(guān)系數(shù)個數(shù)即為p。

    差分階數(shù)d的選擇:對樣本數(shù)據(jù)X1,X2,…,Xn逐次做差分,差分到平穩(wěn)為止。若k次差分后平穩(wěn),取d=k。

    移動平均階數(shù)q的選擇:顯著不為0的自相關(guān)系數(shù)數(shù)目為q;自相關(guān)函數(shù)從k=q0開始迅速衰減,則q=q0。

    (2)MA(q)模型的參數(shù)估計

    3 結(jié)果與分析

    3.1 對數(shù)據(jù)進行差分及檢驗

    如圖1,貴陽市1958-2012年平均降水量為681.45mm,具有豐、枯交替演變的特點。其中2000年降水量最大,為957.5mm,2011年降水量最小,為331.4mm,年際間波動較大且降水量圍繞均值上下波動,由趨勢線知1958-2012年貴陽市降水量有輕微下降趨勢。根據(jù)ADF檢驗得該時間序列檢驗值為H0=0,該時間序列為非平穩(wěn)時間序列。

    對該序列進行一階差分,得到如圖2所示差分序列圖。由圖可知一階差分后時間序列值趨于平穩(wěn)。經(jīng)過ADF檢驗得到檢驗值H1=1,則經(jīng)過一階差分后的時間序列為平穩(wěn)時間序列。

    4 結(jié)論

    (1)從整體上看,貴陽市1958-2012年5-8月平均降水量為681.45mm,具有豐、枯交替演變的特點。其降水量圍繞均值上下波動,年際間波動較大且有輕微下降趨勢。

    (2)ARMA(2,1)模型可用于研究原序列的一階差分序列。由殘差序列檢驗得,其Q統(tǒng)計量的P值顯著大于0.05,表明該模型的殘差白噪聲檢驗通過,該模型為有效模型。即ARIMA(2,1,1)模型為原降水量序列的有效擬合模型。

    (3)根據(jù)對2019-2022年降水量預(yù)測,其降水距平百分率均在正常降水量范圍內(nèi),但均為負值,因此2019-2022年貴陽市5-8月降水量有下降趨勢,需注意防范煙草生長期內(nèi)干旱問題的發(fā)生。

    (4)貴陽市地形地貌的復(fù)雜性、氣候的多樣性導致貴陽市降水量不確定性加大,因此煙農(nóng)應(yīng)時刻關(guān)注氣象變化,及時對未來降水量進行預(yù)測,對可能發(fā)生的干旱或洪澇事件及時做出響應(yīng),以降低經(jīng)濟損失。

    參考文獻:

    [1]谷紅梅,袁義杰,張澤中,等.貴州興仁縣煙草生長期內(nèi)旱澇急轉(zhuǎn)特征分析[J].人民珠江,2019,40(3):46-51.

    [2]余祝媛,賀中華,梁虹,等.貴州省近55年降水量時空變化分析[J].江蘇農(nóng)業(yè)科學,2019,47(6):208-215.

    [3]陳燦,胡鐵松,高蕓,等.關(guān)于水稻灌區(qū)旱澇急轉(zhuǎn)定義的探討[J].中國農(nóng)村水利水電,2018(7):56-61.

    猜你喜歡
    時間序列
    基于分布式架構(gòu)的時間序列局部相似檢測算法
    基于嵌入式向量和循環(huán)神經(jīng)網(wǎng)絡(luò)的用戶行為預(yù)測方法
    醫(yī)學時間序列中混沌現(xiàn)象的初步研究
    科技視界(2016年26期)2016-12-17 17:12:56
    基于時間序列分析南京市二手房的定價模型
    科教導刊(2016年29期)2016-12-12 08:35:54
    云南銀行產(chǎn)業(yè)集聚與地區(qū)經(jīng)濟增長研究
    時代金融(2016年30期)2016-12-05 19:55:50
    基于Eviews上證綜合指數(shù)預(yù)測
    時代金融(2016年29期)2016-12-05 16:12:09
    上證綜指收益率的影響因素分析
    時代金融(2016年27期)2016-11-25 17:21:02
    基于指數(shù)平滑的電站設(shè)備故障時間序列預(yù)測研究
    基于時間序列的我國人均GDP分析與預(yù)測
    商(2016年32期)2016-11-24 16:20:57
    基于線性散列索引的時間序列查詢方法研究
    軟件工程(2016年8期)2016-10-25 15:43:57
    宁波市| 璧山县| 全州县| 德惠市| 西贡区| 东至县| 辽中县| 灵武市| 深泽县| 洛隆县| 温泉县| 腾冲县| 河东区| 孟州市| 依兰县| 达州市| 静乐县| 盐源县| 龙里县| 随州市| 汝城县| 馆陶县| 双柏县| 六盘水市| 花莲县| 利辛县| 台安县| 绥德县| 临猗县| 通渭县| 四子王旗| 廊坊市| 平塘县| 林芝县| 公主岭市| 会泽县| 兴化市| 泽普县| 塘沽区| 溧水县| 金门县|