佳文推荐 | 基于小波包分解的LS-SVM-ARIMA组合降水预测

降水是地区水资源的重要补给方式，对地区生活?生产有重要影响?降水量异常是很多洪涝灾害的直接原因,准确预测降水量具有重要意义?降水量预测的相关研究受到国内外众多学者重视?近年来,众多学者在降水量预测研究中采用回归分析法?时间序列预测法?人工神经网络?随机森林模型?最小支持二乘向量机等方法均取得了较好的效果,但缺少对降水序列的时序特征分析,不能充分挖掘?提取降水序列所包含的信息?事实上降水形成的物理过程极其复杂,具有周期性?复杂性?非线性等特点,降水量波动受多种变化趋势交叉影响,需要对其进行细致分析,才能使降水预测精度更高?

《南水北调与水利科技（中英文）》2020年第6期发表了《基于小波包分解的LS-SVM-ARIMA组合降水预测 》一文，该文 针对降水量影响因素众多,是一种复杂的非平稳?非线性且存在噪声问题的时间序列的特点,提出一种基于小波包分解的LS-SVM 与ARIMA组合模型的年降水量预测方法?利用小波包将降水序列分解成低频趋势序列和高频细节序列;应用LS-SVM 模型预测低频趋势序列,ARIMA模型预测高频细节序列;将两个模型的预测结果叠加,得到年降水量的预测值?实例验证表明:小波包对时间序列的分解比小波分解更精细,组合模型预测能够全面的提取降水序列中所包含的信息,更好地反映年降水量随时间变化规律,提高了年降水量预测的精准度,为降水量预测提供一种新方法?

徐冬梅,张一多,王文川.基于小波包分解的LS-SVM-ARIMA组合降水预测[J].南水北调与水利科技(中英文),2020,18(6):71-77.