作者：黄华 蔡仁 努尔古丽·艾力 穆振侠年降水差分自回归移动平均神经网络遗传算法耦合预测
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。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
