基于ANUSPLIN的时间序列气象要素空间插值

【目的】介绍ANUSPLIN在黄土高原多沙粗沙区时间序列气象要素的空间插值过程,为相关人员在ANUSPLIN的参数设置、误差分析和协变量要素选择等方面提供参考。【方法】以薄盘样条函数为插值理论,以专用气象数据插值软件ANUSPLIN为实现工具,并引入一个或多个协变量线性子模型,来实现多个气象要素的空间插值。【结果】完成了黄土高原多沙粗沙区时间序列(1980~2000年)多个气象要素月平均数据的栅格化,计算了气象要素随其影响因子变化的关系。【结论】ANUSPLIN以薄盘光滑样条函数为理论基础,引入协变量线性子模型,能较好地提高气象要素空间插值精度,且能反映气象要素随其影响因子变化的比率关系。在大多数情况下,该区模型选择以样条次数为3次的局部薄盘光滑样条函数模型为最佳。温度的空间插值相对比较容易,且误差较小,1995-07平均相对误差为1%;风速、水汽压的误差中等;日照时数和降雨量的误差较大,个别情况相对误差可超过50%。     

时间序列分析在径流预测中的应用

通过对1978～ 2012年浈江历年年径流量数据分析,建立时间序列模型.在模型的建立过程中,使用SPSS软件,对不同阶数的ARIMA模型进行比较,按照最小信息量原则选择最优模型ARIMA(4,1,0),并且使用该模型对2013 ～2016年径流量进行预测.     

基于Box-Jenkins方法的黄河水质时间序列分析与预测

采用基于Box-Jenkins方法的时间序列分析技术,对黄河上游甘肃兰州段、中游吴堡和下游山东利津段的水质进行了趋势分析和预测。选取对水质产生影响较大的两个污染因子化学需氧量(CODMn)和溶解氧(DO)1994—2003连续10a的月平均水质监测数据,借助Matlab和SAS统计软件,建立了ARIMA模型和乘积季节时间序列模型,并分析了这两个污染因子随时间推移的变化规律。结果表明:ARIMA模型和乘积季节模型能够用于短期水质预测,并且预测效果较好。黄河流域从上游到下游水质总体状况呈逐渐下降趋势,上游水质一般为Ⅱ和Ⅲ类,而中游和下游水质基本为Ⅳ、Ⅴ和超Ⅴ类。     

时间序列分析在地下水动态预测中的应用

建立了基于时间序列分析的地下水埋深动态模型,并对垦区地下水水位进行了预测.结果表明,当样本容量足够大时,该方法的预测结果具有很高的精度以及稳定性,可以应用于地下水埋深的动态预测中.     

红松人工林季节周期生长与气象要素的相关分析

在东北林业大学帽儿山实验林场老山人工林实验站，对红松人工林进行了连续５年的定期高、径生长量的观测。将所得的大量数据与对气象因子，经过计算机处理建立高生长季节周期与气象因子、径生长季节周期与气象因子的相关关系模型。经筛选共建立四个季节周期生长模型，并找出了影响季节周期生长的主导因子和限制因子。     

时间序列在干旱区棉花需水量预测中的应用

运用《工程水文学》中的时间序列分析法对干旱区棉花需水量进行了分析和预测。结果表明:用时间序列分析法进行预测的结果精度较高,适于干旱区棉花需水量的预测。     

时间序列分析法在水稻需水量预测中的应用

作物需水量是农业方面主要的水分消耗部分 ,也是整个国民经济中消耗水分的最主要部分。文章以富锦试区为例 ,采用时间序列分析法建立了水稻需水量预报模型 ,预报效果较好。为灌区灌溉制度的确定提供了数量指标和理论依据     

库尔木依农业气象要素的季节变化特征分析

利用库尔木依镇（三十三团）气象站2002—2011年的积温、降水量、蒸发量、相对湿度和霜期资料,分析了库尔木依农业气象要素的季节变化特征。结果表明,6～8月是库尔木依积温较高的月份;5月和6月库尔木依的降水量分别为6．8mm和9．6mm,7月是库尔木依降水量最多的月份为12．6mm,5—7月是库尔木依的蒸发量最大的月份;库尔木依冬季12月至次年2月的相对湿度相对较大,5～7月的相对湿度最小,分析结果对三十三团的农业生产提供重要的参考依据。     

时间序列分析模型在江苏省河蟹总产量预测中的应用

根据Box-Jenkins建模原理,采用ARI MAR(2,0,0)模型对江苏省河蟹总产量进行了拟合及预测研究。结果显示,所建模型的残差序列为白噪声,AIC为48.015 7,模型拟合值与实际值的相关系数为0.995 1,拟合度为0.990 1,表明组建的ARI MAR(2,0,0)模型结构合理,拟合效果好;用2006年江苏省河蟹总产量进行验证,相对误差为3.8%,表明ARI MAR(2,0,0)模型对江苏省河蟹总产量时间序列的变化趋势进行拟合和预测是可行的,是一种短期预测精度较高的预测模型。     

时间序列BP神经网络在福州市第三产业值预测中的应用

准确预测福州市第三产业的发展,对今后海峡西岸经济带建设具有举足重轻的意义。本文以福州市1994~2008年第三产业值为基础,采用MATLAB7.0建立非线性时间序列的神经网络预测模型,将1994~2003年的第三产业值作为训练样本,2004~2008年的第三产业值作为测试样本,并计算误差。结果表明:BP神经网络模型收敛速度较快,预测精度较高,对时间序列第三产业值的预测具有较高的应用价值。     

丹寨国家一般气象站30a气象要素序列对比分析

该文对丹寨气象站1971-2000年和1981-2010年两个序列30a的气象要素进行对比分析,结果表明：1981～2010年30a气温和极端气温、地面温度序列呈升高变化趋势快,空气湿度变小趋势快,气压变化平稳,降雨量增多趋势大但局部分布不均,日照增多趋势快,风速减少趋势快但风向变化不大。     

时间序列分析模型及其在GDP预测中的应用研究

分析了时间序列模型中求和自回归移动平均模型ARIMA（p,d,q）的建模过程,依据1970~2008年广西南宁市GDP数据,建立了ARIMA（1,1,0）模型,并结合Eviews 5.0统计软件实现对模型的检验,结果显示,模型具有较好的预测效果和现实意义,可为南宁市制定经济发展目标提供决策参考。     

时间序列分析关键问题研究

简要介绍了时间序列的定义、模型及型态,重点研究了时间序列分析的相关内容,最后对其未来发展方向进行了展望。     

时间序列分析在辽宁朝阳地区干旱灾变中的应用

介绍时间序列分析的应用,并综合运用时间序列分析对辽宁朝阳地区干旱年份进行预测。经检验,平稳时间序列模型可预测干旱灾害发生的时间,并具有较高的精度,在此基础上提出若干抗旱措施,为辽宁朝阳地区干旱研究及其治理提供依据。     

基于时间序列的黑龙江省粮食产量预测

应用时间序列分析方法,建立粮食生产动态模型,利用黑龙江省1980～2006年粮食总产量的数据进行了粮食产量的预测。将预测数据实际数据对比,结果表明：抛物线型趋势线平均百分误差为9.60,平均绝对误差为215.80,平均偏差平方和为70 281.90是准确度最高的。而指数型趋势线预测值在最近4年内最接近实际产量,其精度分别达到98.32%、97.31%、96.35%和94.02%。     

时间序列分析在儋州橡胶产量预测上的运用

运用时间序列方法对海南省儋州市1980～2003年的天然橡胶干胶产量情况进行分析.以此建立并验证儋州市天然橡胶干胶产量预测模型,并运用该模型对2004～2010年的橡胶干胶产量进行预测.结果表明:建立的模型能基本反映儋州橡胶产量的基本规律;但是随着预测时间的推移,以及其他因素的影响,预测结果的准确性随之下降,因此必须将...     

广东中山市20年恶性肿瘤死亡率时间序列分析与预测

目的：研究中山市恶性肿瘤死亡率的流行学特点。为制定防治计划提供依据。方法：以中山市恶性肿瘤死亡率调查资料为样本。应用SAS统计分析软件对恶性肿瘤死亡率进行时问序列分析与预测。结果：1970～1989年男性恶性肿瘤死亡率和男女合计恶性肿瘤死亡率均呈现上升趋势且有继续保持的趋势。到2000年将分别上升为121．05／10万和83．92／10万左右；女性恶性肿瘤死亡率呈现无趋势的随机波动且将继续保持下去，到2000年保持在43．59／10万左右。结论：中山市男女恶性肿瘤死亡率呈不同变化趋势。男性恶性肿瘤死亡率呈现上升的趋势。女性恶性肿瘤死亡率呈现无趋势的随机波动。恶性肿瘤死亡率的上升对人群的健康构成重大威胁。