论文部分内容阅读
随着全球气候变暖问题日趋严重,气象数据的研究与分析对于生产实践越来越具有重要意义;本文将采用具有很强的代表性和重要意义的月平均气温作为研究气象数据的指标,但是此类数据也会呈现明显的长期趋势和季节效应。首先通过时间序列分析的理论与技术对昆明市2000至2012年的月平均气温数据建立ARIMA模型,并对模型的精度进行检验和预测;然后针对类似具有长期趋势和季节效应的数列的特点,做了进一步的探讨研究,建立了趋势季节模型,并对模型的精度进行检验和预测;最后通过对两个模型的预测精度结果进行对比我们发现,ARIMA模型的平均绝对误差为3.17%,而趋势季节模型的平均绝对误差为5.18%。所以从预测的精度来说ARIMA模型要高于趋势季节模型,ARIMA模型的预测效果较好。但是从模型的复杂程度上进行对比,趋势季节模型从理论和实际应用上都相对要简单。因此,在实际生活中我们应该从多方面综合考虑来选取模型进行研究。 本文详细介绍了时间序列的基本方法,特别是ARIMA模型与乘积季节模型的内在联系,同时也对趋势季节模型的建模原理和建模方法进行了详细的介绍。另外本文将此类也反映了时间序列分析在气象数据预测中的重要意义,这对于不同地区和不同时区的气象数据的分析和预测具有很大的参考价值。