基于Markov状态切换的水质时序自回归预测模型

摘要

水质时序演变特征的研究及预测对制定合理可行的水污染防控措施有重要意义,但水质时序的结构复杂性和非平稳性是采用自回归模型进行预测的瓶颈。针对上述问题,作者将马尔可夫状态切换理论(Markov Switching)应用于水质时序的自回归建模预测。马尔可夫状态切换-自回归模型(MS-AR)是一种研究具有变结构动力特征的时间序列分析方法,对异方差时序有较强的适应性。实例运用中,首先对果河桥断面的氨氮时序进行Box-Cox变换,然后运用MS-AR模型对其进行结构分析及预测。结果表明:MS-AR模型能有效识别出该水质时间序列演变过程中的两种结构模式,通过与经典自回归模型的预测精度相比,该方法的各项指标均优,也说明该方法在水质时间序列动态结构分析和预测方面有良好的应用前景。