简介:为了解济南市未来降雨的变化情况,以济南市1959~2015年降雨量数据为研究对象运用SPSS软件中时间序列模型ARIMA对其进行了建模;拟合1959~2015年的降雨量数据及预测未来5年的降雨量。ARIMA模型预测结果表明了济南市2016~2020年的年降雨量依次为676.5,635.5,689.8,630.7,663.3mm,5年的年平均降雨量为659.2mm,这与过去57年的多年平均降雨量较为接近,可以依此推测济南市未来5年出现干旱及洪涝灾害的可能性较小。可以看出,影响ARIMA模型预测结果的因素有很多,为了更加精准地预测降雨量,应当考虑多种要素并结合当地具体环境,建立符合当地的降水量预测模型。
简介:分别采用自回归预测模型和小波神经网络模型对辽宁中部平原某区域地下水埋设进行预测,并结合区域内实测地下水埋深数据,对比分析不同模型的预测精度和适用性。结果表明:神经网络模型在辽宁中部地下水埋深预测精度好于自回归模型,更适用于辽宁中部地下水埋深的预测和趋势分析。研究成果对于辽宁中部平原区地下水埋深预测方法具有较好的参考价值。
简介:目前,水文模型不确定性的量化问题在水文研究中受到很大关注,在一些文章中提到了许多不确定性量化的方法,其中,GLUE方法和标准Bayesian方法是两种最常用的方法.主要讨论这两种方法在研究TOPMODEL模型时计算有效性和不同之处.通过用GLUE和标准Bayesian方法估计TOPMODEL模型参数的不确定性和模拟的不确定性,对这两种方法的结果进行评价,并讨论产生不同的原因,研究的主要结果为:(1)由Bayesian方法得到的参数后验分布比GLUE方法得到的离散型小.(2)给定GLUE中阈值(=0.8)的情况下,由Bayesian方法得到模拟流量的不确定性置信区间与GLUE方法得到的很接近.