基于灰色关联法的月降雨量预测

作者：孙晓婷; 任刚红; 杜坤^*; 冯燕; 周明

来源：灌溉排水学报, 2019, 38(01): 90-95.

DOI：10.13522/j.cnki.ggps.20180198

• 月降雨量预测
• 数据驱动
• 模型融合
• 自适应模糊神经网络系统
• 灰色预测模型

【目的】提高降雨量预测精度,为农业、水利等相关部门提供决策依据。【方法】鉴于月降雨量时间序列具有显著的多尺度特征,开展了数据驱动下基于模型融合的月降雨量预测研究,应用灰色EGM(1,1)模型和自适应模糊神经网络系统(ANFIS)分别预测了年尺度与月尺度下的月降雨量,采用灰色关联法将2个预测结果进行数据融合。利用澳大利亚维多利亚8个站点降雨数据验证所提出方法,并将预测结果进行了与单一灰色EGM(1,1)、ANFIS、人工神经网络(ANN)、自回归积分滑动平均模型(ARIMA)与聚类回归法(CLR)模型预测结果对比。【结果】模型融合预测结果精度高于单一EGM(1,1)、ANFIS、ANN及ARIMA模型预测结果,并在8个站点中的5个取得了最佳预测效果,其中中部地区(Ballarat和Cape Otway站点)及东部地区(Dookie,Wangaratta和Orbost站)预测均方根误差为28.2～37.2 mm,西部地区(Dimboola,Edenhope和Dunkeld站点)预测均方根误差为20.8～23.4 mm。【结论】所提出的模型融合预测法可行,为月降雨量预测提供了新思路。

• 单位
  建筑工程学院; 昆明理工大学