-
题名一类非线性周期时间序列模型
被引量：3
- 1
-
-
作者
王会战
-
机构
陕西理工学院数学系
-
出处
《计算机应用》
CSCD
北大核心
2010年第5期1394-1397,共4页
-
基金
陕西理工学院科研基金资助项目(SLG0919)
-
文摘
为了描述周期时间序列中的偏倚和多峰等非线性特征,结合有限混合模型方法,提出混合周期自回归滑动平均时间序列模型(MPARMA),给出了MPARMA模型的平稳性条件,讨论了期望最大化(EM)算法的应用,通过PM10浓度序列分析,评估了MPARMA模型的表现。
-
关键词
周期时间序列
周期自回归滑动平均
平稳性
EM算法
条件异方差
-
Keywords
periodic correlated time series
Periodical Autoregressive Moving-Average （PARMA）
stationary
Expectation Maximization （EM） algorithm
heteroskedasticity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于SARIMA模型的近岸海表温度短期预报研究
被引量：2
- 2
-
-
作者
赵强
王擎宇
舒志光
-
机构
自然资源部宁波海洋中心
-
出处
《海洋预报》
CSCD
北大核心
2024年第1期42-49,共8页
-
基金
国家重点研发计划(2018YFC1407000)。
-
文摘
基于石浦海洋站实测数据,采用周期性自回归积分滑动平均方法(SARIMA)构建了逐时海表温度短期预报模型,根据观测数据的周期特征和模型预报误差比选确定了模型参数。结果表明:与采用逐时观测数据作为输入的模型相比,采用逐0.5 h内插数据构建的SARIMA模型的预报结果与实测数据间的相位更为一致,预报误差更小,但进一步将输入数据的时间分辨率提高,72 h逐时预报精度提升不明显;研究还发现模型预报误差总体随输入数据时长的减小而增大;采用366 d逐0.5 h数据构建的SARIMA(2,0,2)(2,1,0)25模型的预报结果较优,0~24 h、24~48 h、48~72 h预报的平均绝对误差分别为0.176℃、0.350℃、0.520℃,相应的均方根误差分别为0.217℃、0.396℃、0.567℃。
-
关键词
周期性自回归积分滑动平均方法
统计预报
海表温度
预报
-
Keywords
Seasonal Auto-Regressive Integrated Moving Average
statistical forecast
sea surface temperature
forecast
-
分类号
P731.31
[天文地球—海洋科学]
-
