基于混沌理论的降水量预测方法研究

[目的]得到精确度较高的月降水量预测值.[方法]首先利用C-C关联积分法来确定波密站月降水量非线性系统的时间延迟τ和嵌入维数m,再对月降水量时间序列进行相空间重构,并利用小数据量法求取Lyapunov指数来判断月降水量时间序列的混沌特征,然后构建Volterra模型分别进行短期5 a和长期15 a降水量预测,将其预测小波预测模型和SVR预测模型的预测值对比,最后对Volterra短期预测模型进行叠加预测误差分析和模型推广分析.[结果]Volterra模型对混沌特征明显的月降水量进行短期预测时,其MAPE和EC分别为4.04％和0.941,相比小波和SVR模型来说具有较高的预测精度,同时叠加预测误差较小,其MAPE为7.657％,EC为0.894;而在长期预测时,该模型预测精度不如SVR模型;同时Volterra模型对混沌特征弱的月降水量进行短期预测时,其模型预测效果并不理想,MAPE为54.855％,EC仅为0.566.[结论]该方法能提供精确度较高的降水量预测值,为降水量的预测提供一种新的方法.