基于小波与游程耦合的时序模型在降水预测中的应用

doi:10.3969/j.issn.1001-5485.2014.08.0042014,31(08):18-22,28

长江科学院院报 ›› 2014, Vol. 31 ›› Issue (8): 18-22.DOI: 10.3969/j.issn.1001-5485.2014.08.0042014,31(08):18-22,28

基于小波与游程耦合的时序模型在降水预测中的应用

彭高辉^a,韦保磊^a,马建琴^b

华北水利水电大学 a.数学与信息科学学院;
b.水利学院,郑州 450045

收稿日期:2014-08-12 修回日期:2014-08-12 出版日期:2014-08-01 发布日期:2014-08-12
作者简介:彭高辉(1978-),男,河南新乡人,副教授,硕士,主要从事算法实现与水文分析等,(电话)13598040625(电子信箱)penggaohui@ncwu.edu.cn。
基金资助:
国家自然基金项目资助(41071025);国家级大学生创新创业训练计划项目(201210078060);河南省教育厅自然科学研究计划项目(2010B120007)

Application of the Coupling Time Series Model Based onWavelet and Runs in Precipitation Forecast

PENG Gao-hui¹, WEI Bao-lei¹, MA Jian-qin²

1.School of Mathematics and Information Science, North China University of Water Resources andElectric Power, Zhengzhou 450045, China;
2.School of Water Conservancy, North China University ofWater Resources and Electric Power, Zhengzhou 450045, China

Received:2014-08-12 Revised:2014-08-12 Online:2014-08-01 Published:2014-08-12

摘要/Abstract

摘要： 针对降水量时间序列具有多尺度非平稳性特点、长时段预测精度不高的问题,选择db3小波,运用Mallat算法2尺度分解降水序列,利用游程分析检验分解序列间的独立性,建立了二者耦合的时序模型,并应用于郑州市2008—2012年的降水预测,得到了相对于传统时序模型更好的结果。基于耦合模型预测了郑州市2013—2015年月均降水量,以期为决策提供依据。

关键词: 降水预测, 小波变换, 游程检验, 耦合模型, ARIMA模型

Abstract: According to the multi-scale and non-stationary features of precipitation time series, we choose db3 wavelet and use Mallat algorithm to decompose the precipitation series in two types of scales to solve the problem of long-time forecast with inadequate precision. After independent Runs tests between the decomposing consequences, we established the coupling ARIMA models based on Wavelet and Runs to forecast precipitation in the city of Zhengzhou from 2008 to 2012. It is proved that the accuracy of the coupling model is higher than that of traditional model. We predict the precipitation per month from 2013 to 2015 in order to provide a basis for decision-making. This research is of theoretical significance and application value.

Key words: precipitation forecast, Wavelet transform, Runs, coupling model, ARIMA

中图分类号:

TV211.1

彭高辉,韦保磊,马建琴. 基于小波与游程耦合的时序模型在降水预测中的应用[J]. 长江科学院院报, 2014, 31(8): 18-22.

PENG Gao-hui, WEI Bao-lei, MA Jian-qin. Application of the Coupling Time Series Model Based onWavelet and Runs in Precipitation Forecast[J]. JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTI, 2014, 31(8): 18-22.

[1]	邵骏. 长江源区径流变化及其影响因素探讨[J]. 长江科学院院报, 2024, 41(2): 1-6.
[2]	邵骏, 吴琼, 钱晓燕, 卜慧. 长江源区径流季节性变化及其与影响因素的多尺度相关分析[J]. 长江科学院院报, 2023, 40(7): 172-178.
[3]	翟玮, 张蔚, 季小梅, 陈婷. 长江口径潮相互作用下洪枯季余水位变化[J]. 长江科学院院报, 2023, 40(6): 29-34.
[4]	李大鸣, 孟政, 李彦卿, 陈硕, 卜世龙, 王腾飞. 献县泛区洪水演进数学模型研究[J]. 长江科学院院报, 2022, 39(7): 45-51.
[5]	白云, 陈国强. 基于尺度特征融合的随机森林日供水量预测模型[J]. 长江科学院院报, 2022, 39(3): 33-37.
[6]	胡安玉, 包腾飞, 杨晨蕾, 张静缨. 基于LSTM-Arima的大坝变形组合预测模型及其应用[J]. 长江科学院院报, 2020, 37(10): 64-68.
[7]	畅俊斌, 柯贤敏, 王玮, 孙启明, 田国林. 马镇渗流井现场试验及数值模拟研究[J]. 长江科学院院报, 2019, 36(7): 83-88.
[8]	吕从聪, 李宗利, 李东奇. ABAQUS渗流应力耦合分析中渗透荷载施加问题探讨[J]. 长江科学院院报, 2018, 35(5): 68-72.
[9]	王雪妮, 韩国锋. 地铁车站深基坑的变形预测及稳定性研究[J]. 长江科学院院报, 2018, 35(10): 77-81.
[10]	苗正伟, 徐利岗. 基于隶属度修正的加权马尔可夫链的降水预测[J]. 长江科学院院报, 2018, 35(1): 40-46.
[11]	李骅锦, 许强, 王思澄, 亓星, 彭大雷, 何雨森. WA-BT-ELM耦合模型在黄土滑坡位移预测中的应用[J]. 长江科学院院报, 2017, 34(9): 63-69.
[12]	邵雪杰, 顾圣平, 曹爱武, 何海祥, 于婷婷. 多沙河流水沙变化特征小波分析[J]. 长江科学院院报, 2017, 34(5): 5-8.
[13]	杨振兴,陈飞飞,马还援,李忠艳. 基于回归分析和小波变换的边坡变形组合预测研究[J]. 长江科学院院报, 2017, 34(4): 38-42.
[14]	张建锋，刘见宝，崔树军，谢玉华. 小波-神经网络混合模型预测地下水水位[J]. 长江科学院院报, 2016, 33(8): 18-21.
[15]	李绅东. 云南省昭通市多尺度极端降水时空特征分析[J]. 长江科学院院报, 2016, 33(11): 127-132.

基于小波与游程耦合的时序模型在降水预测中的应用

Application of the Coupling Time Series Model Based onWavelet and Runs in Precipitation Forecast

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价