逐步回归时间序列和RBF-ANN在降水预测中的应用

• 作者: 初海波 卢文喜 杨忠平 杨磊磊 罗建男 辛欣
• 来源期刊: 重庆大学学报：自然科学版
• 学科: 工学
• 关键词: 时间序列 逐步回归 RBF-ANN 月降水量 预测
• 年，卷（期）: 2012,（11）
• 页码范围: 131-135
• 分类号: TV125
• 语种: 中文

摘要

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的＂考虑所有变量＂模式,利用＂有进有出＂的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络（RBF-ANN）属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢文喜	吉林大学地下水资源与环境教育部重点实验室	161	2069	23.0	38.0
2	辛欣	吉林大学地下水资源与环境教育部重点实验室	42	276	10.0	15.0
3	杨忠平	重庆大学土木工程学院	20	236	9.0	15.0
4	初海波	吉林大学地下水资源与环境教育部重点实验室	5	9	1.0	3.0
5	罗建男	吉林大学地下水资源与环境教育部重点实验室	13	89	6.0	9.0
6	杨磊磊	吉林大学地下水资源与环境教育部重点实验室	5	23	2.0	4.0