基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究

• 作者: 努尔古丽·艾力 穆振侠 蔡仁 黄华
• 来源期刊: 新疆农业科学
• 学科: 农学
• 关键词: 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，卷（期）: 2015,（6）
• 页码范围: 1093-1098
• 页数: 6页
• 分类号: S1104|TP183|TV125
• 字数: 4760字
• 语种: 中文
• DOI: 10.6048/j.issn.1001-4330.2015.06.018

摘要

[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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆振侠	新疆农业大学水利与土木工程学院	77	419	12.0	17.0
2	黄华	新疆农业大学数理学院	27	85	6.0	8.0
3	努尔古丽·艾力	新疆农业大学数理学院	15	23	3.0	3.0
4	蔡仁		7	20	4.0	4.0