楊 楠(鄒平縣水利局,山東鄒平256200)
?
投影尋蹤模型在降水量預(yù)測中的應(yīng)用研究
楊楠
(鄒平縣水利局,山東鄒平256200)
【摘要】采用鄒平縣1952—2014年度降水量序列建立了基于神經(jīng)網(wǎng)絡(luò)的投影尋蹤自回歸耦合模型,并對該縣2015—2017年降水量進行預(yù)測,預(yù)測結(jié)果令人滿意。
【關(guān)鍵詞】鄒平縣;投影尋蹤;年降水量;預(yù)測
在降水量序列預(yù)測研究中,降水量數(shù)據(jù)基本不符合正態(tài)分布,需要從降水量數(shù)據(jù)內(nèi)部提出其特征或結(jié)構(gòu),而基于神經(jīng)網(wǎng)絡(luò)的投影尋蹤自回歸耦合模型(BPPPAR)恰好解決了降水量預(yù)測研究中遇到的這些問題?;谏窠?jīng)網(wǎng)絡(luò)的投影尋蹤自回歸耦合模型是在數(shù)據(jù)低維投影上進行的,該模型通過尋找有意義的低維投影,甩掉一些不重要變量的影響,從而不受它們的干擾和迷惑,較好地解決了降水量時序弱相依性、突變性和隨機性等不確定性問題,準(zhǔn)確地反映降水量變化規(guī)律,為降水量非線性時序預(yù)測問題提供了一條新途徑。
1)確定降水量時序預(yù)測因子。延遲k步的降水量時序自相關(guān)系數(shù)為:
式中:n為降水量實測時序{x(i})的容量;k=1~nk<[n/4]。根據(jù)R(k)的抽樣分布理論,在置信水平1-α的情況下,當(dāng)自相關(guān)系數(shù)值R(k)?[-1-時則推斷降水量時序{x(i})延遲k步相依性顯著,x(i-k)可作為x(i)的降水量預(yù)測因子;否則降水量時序延遲k步相依性不顯著。分位值ua/2可從正態(tài)分布表中查得。
式中:a為單位長度向量;θ為閾值。
3)對散布點,用基于正交多項式擬合,此時模型表達為
式中:r為正交Hermite多項式階數(shù);c是正交Hermite多項式系數(shù),可用最小二乘法獲得;h表示正交Hermite多項式。
4)優(yōu)化投影指標(biāo)函數(shù)。通過求解投影指標(biāo)函數(shù)最小化問題來估計最佳a、θ、c值,即
本文應(yīng)用基于實數(shù)編碼的加速遺傳算法來解決降水量時序高維全局尋優(yōu)問題。
現(xiàn)采用1952—2014年度鄒平縣降水量資料序列來建立BPPPAR預(yù)測模型,再對2015—2017年降水量進行預(yù)測,具體情況見表1。
計算該序列前4階自相關(guān)系數(shù)R(k)和與之相應(yīng)的上、下限R2(k)、R1(k)值,結(jié)果見表2,其中置信水平取70%。表2顯示,只有R(3)、R(4)、R(5)、R(8)、R(9)、R(12)、R(13)、R(14)的相依性在置信水平70%的條件下是顯著的,故這里預(yù)測x(i)的因子取x(i-3)、x(i-4)、x(i-5)、x(i-8)、x(i-9)、x(i-12)、x(i-13)、x(i -14)。把建模樣本及進行標(biāo)準(zhǔn)化處理后依次代入式(3)、式(4)、式(5)和式(6),即得投影指標(biāo)函數(shù),然后用基于實數(shù)編碼的加速遺傳算法優(yōu)化該函數(shù),得指標(biāo)函數(shù)最小值為2 145.8,多項式階數(shù)為8,參數(shù)α、θ、c值分別見表3。
把參數(shù)α、θ、c值代入基于神經(jīng)網(wǎng)絡(luò)的投影尋蹤自回歸耦合模型中,進行擬合檢驗和預(yù)測,結(jié)果見表1。從表1可以看出,16個歷史數(shù)據(jù)擬合相對誤差絕對值的平均值為6.67%。鄒平縣年降水量序列的擬合結(jié)果見圖1。
表1 鄒平縣年降水量序列實測值、BPPPAR模型的擬合結(jié)果和預(yù)測結(jié)果
表2 鄒平縣年降水量序列自相關(guān)系數(shù)及其上、下限值(置信水平)
表3 參數(shù)α、θ、c值
圖1 BPPPAR模型對年降水量的擬合結(jié)果
該模型僅利用鄒平縣年降水量時序延遲3、4、5、8、9、12、13、14步的相依信息得到令人滿意的結(jié)果。較好地解決了鄒平縣降水量時序存在的非正態(tài)、非線性等不確定問題,為區(qū)域年降水量預(yù)測提供了一條新的途徑,具有推廣應(yīng)用價值。
(責(zé)任編輯崔春梅)
【中圖分類號】P456
【文獻標(biāo)識碼】B
【文章編號】1009-6159(2016)-03-0034-02
收稿日期:2015-07-29
作者簡介:楊楠(1980—),男,工程師