新疆农业科学
新疆農業科學
신강농업과학
XINJIANG AGRICULTURAL SCIENCES
2015年
6期
1093-1098
,共6页
黄华%蔡仁%努尔古丽·艾力%穆振侠
黃華%蔡仁%努爾古麗·艾力%穆振俠
황화%채인%노이고려·애력%목진협
年降水%差分自回归移动平均%神经网络%遗传算法%耦合预测
年降水%差分自迴歸移動平均%神經網絡%遺傳算法%耦閤預測
년강수%차분자회귀이동평균%신경망락%유전산법%우합예측
annual precipitation%autoregressive integrated moving average%neural network%genetic algorithm%coupling prediction
[目的]提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考.[方法]以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立一种耦合预测模型.该模型首先根据年降水时间序列建立ARIMA模型,拟合它的线性结构部分,基于原始降水序列和ARIMA模型的预测值、残差序列,利用GA-Elman神经网络技术进行耦合建模.将该模型应用于新疆年降水量的预测预报,并与单一的ARIMA模型、GA-Elman神经网络模型进行比较.[结果]耦合模型的归一化均方误差、平均绝对误差、后验差比值及小误差概率分别为0.287,9.581,0.241和1,均优于ARIMA模型、GA-Elman神经网络模型,预测精度得到了明显的提高,预测精度等级为好.[结论]基于ARIMA和GA-Elman神经网络的耦合预测模型具有更高的预测精度,可用于新疆的年降水量预报.
[目的]提高降水預報的預測精度,準確預測一箇地區未來的降水量,可以提高該地區防災減災的能力,更好地為工農業生產生活提供決策參攷.[方法]以年降水時間序列為研究對象,利用差分自迴歸移動平均(ARIMA)和GA-Elman神經網絡技術建立一種耦閤預測模型.該模型首先根據年降水時間序列建立ARIMA模型,擬閤它的線性結構部分,基于原始降水序列和ARIMA模型的預測值、殘差序列,利用GA-Elman神經網絡技術進行耦閤建模.將該模型應用于新疆年降水量的預測預報,併與單一的ARIMA模型、GA-Elman神經網絡模型進行比較.[結果]耦閤模型的歸一化均方誤差、平均絕對誤差、後驗差比值及小誤差概率分彆為0.287,9.581,0.241和1,均優于ARIMA模型、GA-Elman神經網絡模型,預測精度得到瞭明顯的提高,預測精度等級為好.[結論]基于ARIMA和GA-Elman神經網絡的耦閤預測模型具有更高的預測精度,可用于新疆的年降水量預報.
[목적]제고강수예보적예측정도,준학예측일개지구미래적강수량,가이제고해지구방재감재적능력,경호지위공농업생산생활제공결책삼고.[방법]이년강수시간서렬위연구대상,이용차분자회귀이동평균(ARIMA)화GA-Elman신경망락기술건립일충우합예측모형.해모형수선근거년강수시간서렬건립ARIMA모형,의합타적선성결구부분,기우원시강수서렬화ARIMA모형적예측치、잔차서렬,이용GA-Elman신경망락기술진행우합건모.장해모형응용우신강년강수량적예측예보,병여단일적ARIMA모형、GA-Elman신경망락모형진행비교.[결과]우합모형적귀일화균방오차、평균절대오차、후험차비치급소오차개솔분별위0.287,9.581,0.241화1,균우우ARIMA모형、GA-Elman신경망락모형,예측정도득도료명현적제고,예측정도등급위호.[결론]기우ARIMA화GA-Elman신경망락적우합예측모형구유경고적예측정도,가용우신강적년강수량예보.