昆明气象数据的时间序列建模研究

摘要：

气象数据如降水量、风速和气温是典型的时间序列数据,具有明显非平稳、周期性波动特征.对气象数据进行分析和建模可以及时地应对旱涝灾害,对农作物的生长和灌溉具有一定的指导意义.为了高效地利用气象能源,提出了一个改进软阈值去噪的时间序列季节模型(seasonal model of time series for improving soft threshold denoising,STS-ISTD).对时间序列应用改进的软阈值去噪算法(improving soft threshold denoising,ISTD)进行小波去噪,通过对双变量阈值函数中的参数值进行调整,不仅完好的保留了原始信号的基本特征,而且使信号曲线更加平滑.STS-ISTD模型应用在昆明气象数据上,并与自回归滑动平均模型(ARMA)、差分自回归移动平均模型(ARIMA)、硬阈值去噪的ARIMA季节性模型和软阈值去噪的ARIMA季节性模型进行对比,均方根误差(RMSE)和信噪比(SNR)作为评价指标.结果 表明:本文提出的STS-ISTD模型对昆明的降雨量、风速和气温数据预测有良好的表现.因此,该模型可以作为昆明气象数据建模研究的一种有效方法.

关键词：气象数据、时间序列、软阈值去噪、季节模型

分类号：TP18(自动化基础理论)

在线出版日期：2020-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：15-19