ARIMA-LSTM组合模型在基于SPI干旱预测中的应用——以青海省为例

发布时间：2023-02-12 09:24

　　开展干旱预测是有效应对干旱风险的前提基础。利用1958—2017年青海省38个气象站点逐日降水量数据计算多尺度标准化降水指数(SPI),并建立了SPI序列自回归移动平均模型(ARIMA)、长短时记忆神经网络模型(LSTM)和基于二者优点提出的ARIMA-LSTM组合模型;对模型参数进行率定和验证后,利用所建立的模型,以西宁站点为例,对多尺度SPI值进行预测,借助均方根误差(RMSE)、平均绝对百分比误差(MAPE)和决定系数R2对所有预测模型的有效性进行判定。结果表明:ARIMA-LSTM组合模型在SPI1和SPI12的RMSE值分别为0.159 7和0.181 0,均低于ARIMA模型的1.265 4和0.293 3,说明ARIMA模型与ARIMA-LSTM组合模型对SPI的预测精度都与时间尺度有关,ARIMA模型的预测精度随着时间尺度的增加而逐渐提高;结合GIS并利用实测数据与模型的预测数据相比较说明ARIMA-LSTM组合模型相比于单一ARIMA模型的预测精度更高,且能够很好拟合不同时间尺度的SPI值。

【文章页数】：10 页

【文章目录】：
1 研究区概况
2 数据及方法
    2.1 数据来源
    2.2 研究方法
        2.2.1 标准化降水指数（SPI)
        2.2.2 ARIMA模型ARMA模型由下式表示[26]:
        2.2.3 LSTM模型
        2.2.4 ARIMA-LSTM组合模型
        2.2.5 评价验证指标
            (1)RMSE均方根误差
            (2)MAPE平均绝对百分误差
            (3）决定系数R2
3 结果与分析
    3.1 ARIMA建模流程
        3.1.1 平稳化处理及ARIMA模型定阶
        3.1.2 ARIMA模型参数估计及适用性检验
    3.2 LSTM建模流程
        (1）输入数据的预处理
        (2）网络训练
        (3）网络输出
    3.3 ARIMA-LSTM组合模型的预测
4 结论



本文编号：3740828