基于CEEMD的LSTM和ARIMA模型干旱预测适用性研究 ——以新疆为例
干旱的频繁发生对农业生产和经济发展造成了不可忽视的危害,准确预测干旱的发生具有重要的现实意义.基于1960—2019年新疆气象站点的逐日降水量数据,计算1、3、6、9、12个月及24个月时间尺度的标准化降水指数.建立差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)、长短期记忆网络(Long Short-Term Memory,LSTM)、互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)-ARIMA组合模型和CEEMD-LSTM组合模型.通过4种模型对多时间尺度SPI序列进行预测,确定各模型在干旱预测中的适用性.结果表明:(1)4种模型的预测精度均随时间尺度的增加而逐渐提高,在24个月时间尺度时达到最高;(2)CEEMD能够有效平稳时间序列,各时间尺度下,组合模型均达到了较高的预测精度,相较单一模型更适用于干旱预测;(3)4种模型预测结果精度由低到高分别为:LSTM、ARIMA、CEEMD-LSTM、CEEMD-ARIMA(决定系数最大值分别为:0.8882、0.9103、0.9403、0.9846),CEEMD-ARIMA模型相比其他3种模型效果较好,最适用于干旱预测.
互补集合经验模态分解、长短期记忆网络、差分自回归移动平均模型、标准化降水指数、干旱预测、新疆
39
TP277;S165.24;TG245
国家重点实验室基金;河南省自然资源厅省自然科技项目
2022-06-07（万方平台首次上网日期，不代表论文的发表时间）
共11页
734-744
