结合MLR和ARIMA模型的时空建模及预测

摘要

针对传统时间序列建模预测过程中忽略空间因素影响和时空交互的问题,提出了一种基于时空多元回归(MLR)的ARIMA预测方法,并应用于某省月均气温的时空预测研究中.通过时序分解去除时空变量明显的季节变化;运用全子集回归法确定显著影响气温的因素,继而得到去季节项数据的MLR模型,从而去除气温的时空趋势变化得到随机变化项;对各站点的随机项时间序列分别进行ARIMA建模;将随机项的预测值与前两项预测值重组,获得最终各站点的时空预测值.实验结果表明,预测值与观测值整体相关系数为0.9934,误差绝对值均值约为0.9°C.