ARIMA模型在成都市供水量预测中的应用

随着我国经济的发展,城市化进程不断加快,城市水资源的供应和需求之间的矛盾不断加深。本文依据成都市供水量季度数据序列,根据刻画时间序列的自相关和偏自相关函数来最终确定ARIMA模型的具体形式,建立合适的模型来对成都市供水量做出预测。结果表明:拟合的模型参数是合适的,而且ARIMA模型对短期预测相当有效。     

基于时间序列模型的降雨量预测分析

为了解济南市未来降雨的变化情况,以济南市1959～2015年降雨量数据为研究对象运用SPSS软件中时间序列模型ARIMA对其进行了建模;拟合1959～2015年的降雨量数据及预测未来5年的降雨量。ARIMA模型预测结果表明了济南市2016～2020年的年降雨量依次为676.5,635.5,689.8,630.7,663.3mm,5年的年平均降雨量为659.2mm,这与过去57年的多年平均降雨量较为接近,可以依此推测济南市未来5年出现干旱及洪涝灾害的可能性较小。可以看出,影响ARIMA模型预测结果的因素有很多,为了更加精准地预测降雨量,应当考虑多种要素并结合当地具体环境,建立符合当地的降水量预测模型。     

ARIMA模型在人均生活用水量预测中的应用

随着生活用水量需求的日益增加,对于人均生活用水量的合理预测成为城市给水规划的关键。以上海市1949-2003年的人均生活用水量统计资料为依据,利用SPSS11．5软件的ARIMA模型功能对上海市短期人均生活用水量进行预测。该模型的缺点是只能对人均生活用水量数据做短期预测,对于长期预测,由于不确定性的增加,结果的偏差将有所增加。     

基于优化算法的组合模型在水库年径流预测中的应用

为提高水库中长期径流预测精度,将灰色模型与BP神经网络模型进行组合,并采用马尔科夫链对组合模型误差序列进行修正,建立修正的中长期径流预测组合模型,此外利用SMA算法对组合模型参数进行优化,以白石和阎王鼻子2座水库为实例,选取常用5种模型进行精度对比。结果表明：相比于其他5种模型,参数优化后的修正组合模型其平均相对误差MAPE可降低约10%～13%,均方根误差RMSE平均可降低约34%～42%,预测精度更高。研究成果对于水库中长期径流预测方法具有重要参考价值。     

基于ARIMA的乘积季节模型在城市供水量预测中的应用

随看我国经济快速增长、居民收入水平的显著提高,城市供用水量快速增长.本文以成都市2006年至2010年2月供水量数据为基础,在剔除了长期趋势及季节因素后,对其残差序列进行分析和识别,建立了城市月供水量的乘积季节模型ARIMA(3,1,1)(1,1,1)12,并根据此模型对2010年全年月供水量进行预测,拟合效果良好.     

ARIMA模型在降水量预测中的应用

ARIMA模型是研究时间序列的重要方法,普遍应用于时间序列的分析与预测。利用SPSS软件的时间序列分析预测功能,对营口市降水量数据建立ARIMA模型,并在模型的基础上对营口市降水量趋势进行了分析和预测。     

锦江水库降雨量年际变化特征及预测分析

采用差积曲线法、频率曲线特征及皮尔逊Ⅲ型曲线对锦江水库年降雨量进行代表性、频率特性及典型年分析,总结降水量年际变化规律、频率分布情况,对未来几年的降雨量趋势进行分析预测,为兴利调度、资源开发利用提供科学的决策依据。     

ARIMA模型在松华坝水库枯季入流预测中的应用

为探索ARIMA模型在水文中长期预报的适应性,以预报松华坝水库枯季入流为例,选取该水库主要入流控制站中和水文站枯季（11月-次年4月）径流建立数学模型进行分析预测,并与周期时间序列模型的预测结果进行对比,结果表明ARIMA模型预测精度优于周期时间序列模型预测成果,可应用于水文预报工作中。     

灰色马尔科夫模型在寸滩站年最高水位预测中的应用

本文将灰色系统理论与马尔科夫链理论相结合，建立灰色马尔科夫预报模型，对寸滩站年最高水位进行预报分析。从模拟效果分析，计算值与实际值大体吻合。模型可推广应用长期水文预报中。     

基于ARIMA与ANN组合模型的需水量预测方法研究

需水量预测影响因素较多,具有线性和非线性特征。本文为了提高预测精度,提出基于ARIMA与ANN组合模型的需水量预测方法 ,利用ARIMA模型良好的线性拟合能力和ANN模型强大的非线性关系映射能力,把需水量时间序列看成由线性自相关结构和非线性结构组成,采用ARIMA模型预测需水量序列的线性部分,用ANN模型对其非线性残差部分进行预测,再将二者预测值进行组合预测。通过实例研究,组合模型预测精度更高,是需水量预测的一种有效方法。     

基于小波和ARIMA的黄山市年降水量分析及预测

为研究区域降水时间特征,提高年降水量预测精度,采用Morlet小波对黄山市1957-2016年的年降水量周期进行分析,并基于1957-2011年的年降水量构建了ARIMA模型和小波与ARIMA组合模型,分别对该市2012-2016年的年降水量进行了预测及对比分析。结果表明:黄山市近60a年降水量主要受28a、13a、5a的周期波动影响;采用ARIMA及组合模型预测2012-2016年年降水量的平均相对误差绝对值分别为19.8%和12.3%,组合模型的拟合和预测效果更优;两种方法对2012年、2015年和2016年的年降水量预测误差均较大,可能是这几年降水受ENSO事件影响,降水机制异于常年,致模型预测误差较大。结果可为区域中长期水文预报提供科学依据,对区域旱涝灾害预警管理具有一定应用价值。     

烟台地区降水量的ARIMA随机模型研究

采用自回归求积移动平均法(AR IM A),对烟台地区历年来的降水量动态数据进行了分析。结果显示,AR IM A(3,1,2)模型提供了较准确的预测效果,相对误差变化在0.21%~5.75%,可以用于未来的预测,并为烟台市降水量的预测提供了可靠依据。     

雨量预报方法的评价模型

建立的雨量预报方法预报水平评价模型,包括预报方法的准确性评价模型和考虑公众感受的评分模型。准确性评价模型包括雨量预报方法的预报水平的整体评价指标,以及针对不同预报时段、预报等级和站点的分项评价指标,公众感受评分模型基于公众对预报偏差的心理感受特点对预报水平给出评分。通过降雨空间插值方法由网格点的雨量预报值得到观测站点的预报值,应用所建立的指标对给定区域的91个站点41 d的雨量实测值和两种预报方法的预报值进行了分析和评价。     

灰色系统GM(1,1)模型在尼尔基水库年来水量预测中的应用

文中介绍了灰色系统理论、建模原理及其检验方法,以及利用尼尔基水库20年的年来水量资料建立灰色预测GM(1,1)模型,对尼尔基水库年来水量进行预测.经残差、关联度等检验分析,并对实测资料进行检验,模型精度较高,效果较理想,可以考虑应用于尼尔基水库径流中长期预报,为水库发电、供水提供必要的预测信息.     

长系列变化趋势拟和方法修正的年均降水量灰色预测模型

本文以地区长系列(40年)年均降水量资料为基础,根据地区降水量的周期性特点,采用长系列变化趋势拟和的方法对灰色序列预测模型加以修正,从而建立了邯邢南单元年均降水量灰色预测模型。     

F检验法在年降水量分析计算中的应用

针对雨量站站址迁移前后的降水资料,在给定显著性水平条件下,用F检验的原理对两个样本值是否来自同一总体进行检验,如果来自同一总体,则认为站址迁移前后的降水资料可以作为一个系列处理,否则,需分别处理.并应用该法对珲春站迁移前后降水资料进行检验和识别,用实际资料对结果比较确认.结果表明,F检验法具有较好的检验效果,检验结果可信度较高.     

基于GM和BP网络的年均流量组合预测模型

以岷江紫坪铺测站1937～2004年的实测流量资料为依据,运用灰色拓扑预测方法,在建模过程中将GM(1,1)模型、无偏GM(1,1)模型以及GM(1,1)改进模型与BP神经网络进行优化组合,建立年均流量组合预测模型.本文采用1995～2004年的年均流量资料对模型进行检验,结果表明,预测相对误差值较为合理,可以作为年均流量预测的有效方法.     

贵州省工业需水量预测研究

等维灰色递补模型以灰色模型为建模基础,引入贵州工业用水量历史数值,选择合适的数据序列,建立预测精度较好的GM(1,1)预测模型,从而构建灰色递补GM(1,1)预测模型。该模型预测精度等级为"好",故预测需水量具有可靠性和参考价值。灰色递补模型显著地减小了后验差比值C,弥补了灰色模型的不足,可为城市中长期供水规划提供方法选择。     

改进的GM(1,1)模型在城市需水量预测中的应用

基本GM(1,1)模型未充分利用新信息,且背景值构造不合理,对变化非平稳的数据序列预测精度较低,为此,本文采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,建立重构背景值的GM(1,1)等维递补模型,并运用改进模型预测北方某市需水量,结果表明,改进模型预测精度更高,为需水量的预测提供了一种新方法.     

R/S-GM(1,1)组合模型在径流预测中的应用

基于R/S分析法能提供有效的非线性科学预测,河川径流具有灰色禀性,为了提高河流径流预报精度,提出了R/S分析与灰色理论相结合的河川径流预测方法。该方法可以克服径流灰色预测存在的数据波动较大时预测精度降低的缺陷。将该方法应用到黑河莺落峡站和正义峡站的年径流量、汛期和非汛期径流量6个序列进行径流预测验证。结果表明:两站年径流量和汛期径流量序列的预测精度都在90%左右,非汛期径流量序列在80%以上,各径流序列预测结果与Mann-Kendall趋势检验一致,预测结果可靠,为河流径流量的科学预测提供了一种新方法。