汛期雨量长期预测建模分析

作者：周雨婷; 陈元芳; 王栋; 邹鹰; 贺瑞敏

来源：南京大学学报(自然科学), 2017, 53(05): 887-893.

DOI：10.13232/j.cnki.jnju.2017.05.008

• 长期预测
• 汛期雨量
• 周期均值叠加
• 自回归
• 神经网络

通过趋势分析、跳跃分析和周期分析对上海徐家汇站汛期雨量时间序列进行组成成分分析.在此基础之上,为了探究最适用于上海徐家汇站汛期雨量的长期预测模型,选择改进的周期均值叠加模型,自回归模型AR(p),门限自回归模型TAR,灰色模型GM(1,1),误差反向传播(BP)神经网络和径向基函数(RBF)神经网络建立长期预测模型.采用平均相对误差、均方根误差、确定性系数、合格率和特大值预测合格率这5项评价指标对比分析各模型预测效果.研究结果表明,徐家汇站汛期雨量时间序列的周期成分明显,不存在趋势和跳跃成分;综合5项指标,TAR模型对汛期雨量一般值的预测效果最优,对特大值的预测需要同时参考AR(p)模型和RBF神经网络.

• 单位
  南京水利科学研究院; 河海大学; 水文水资源与水利工程科学国家重点实验室; 南京大学