时间序列分析在径流预测中的应用

摘要

水文预报直接为防汛抢险，水资源的合理利用与保护，水利工程的建设和调度运行管理，以及工农业生产提供服务，是水文研究的重要内容。年径流量的预报，对于制定生产计划、防洪、抗旱、发电、水资源的规划管理和综合利用有着十分重要的意义。 时间序列分析属于概率统计学科的一个重要分支，近十多年来得到迅速发展，尤其是实际应用遍及自然科学、社会科学以及工程技术的许多领域。时间序列分析的若干理论已经相当成熟，特别是对于线性平稳时间序列，其多种模型已被广泛应用于各领域的控制和预测。 时间序列分析在水文预报方面起着重要作用。本文详细介绍了时间序列模型的特点、相关分析方法及建模过程，并结合现有数据资料，通过相关分析，建立了年径流序列的两种时间序列模型：趋势拟合模型以及ARIMA模型。使用Curve expertl.3软件进行曲线拟合，建立三次和四次曲线拟合模型。 ARIMA模型的建立，由于数据具有非平稳性，所以先对原始数据进行二阶差分，然后对差分后数据特征进行分析，选择合适的模型以及对模型定阶。模型确定后，对模型参数采用了Yule-Walker估计以及最小二乘估计。建模过程中，使用SPSS13.0进行辅助分析，并绘制出预测值折线图与实测值进行比对。对预测结果进行分析，计算结果表明，ARIMA模型对于浈江年径流量预报结果比趋势拟合模型要好。

目录

文摘

英文文摘

声明

1 绪论

1.1研究的背景与意义

1.2 国内外水文预报研究现状

1.2.1 国内外水文预报历史的简单回顾

1.2.2我国水文预报历史的简单回顾

1.3水文预报方法纵览

1.3.1过程驱动模型

1.3.2数据驱动模型

1.4结构安排

2时间序列分析概述

2.1 时间序列概述

2.1.1研究实质与假设基础

2.1.2变动特点

2.1.3重要概念

2.1.4方法性工具

2.2 时间序列分析的意义和作用

2.3 时间序列分析方法

2.3.1 平稳序列自回归移动平均(ARMA)模型

2.3.2非平稳序列的确定性分析

2.3.3 ARIMA(p，d，q)模型

2.4统计分析软件SPSS用于时间序列分析

3趋势拟合模型的径流预测

3.1绘制散点图

3.2 曲线拟合

3.3 结果分析

4基于ARIMA(p，d，q)模型的径流预测

4.1数据的预处理

4.1.1 时间序列的重要特征

4.1.2数据序列的特征分析及平稳化处理

4.2模型的识别

4.3 参数估计

4.3.1模型参数的矩估计

4.3.2模型参数的最小二乘估计

4.4模型的检验与评价

4.5模型的预测与分析

结论

参考文献

致谢