中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于CEEMD的LSTM和ARIMA模型干旱预测适用性研究 -以新疆为例 干旱区研究 2022,39 (3) 734-744
Position: Home > Articles > Applicability of the LSTM and ARIMA model in drought prediction based on CEEMD:A case study of Xinjiang Arid Zone Research 2022,39 (3) 734-744

基于CEEMD的LSTM和ARIMA模型干旱预测适用性研究 -以新疆为例

作  者：
丁严;许德合;曹连海;管相荣
单  位：
华北水利水电大学测绘与地理信息学院;河南省自然资源电子政务中心
关键词：
互补集合经验模态分解;长短期记忆网络;差分自回归移动平均模型;标准化降水指数;干旱预测;新疆
摘  要：
干旱的频繁发生对农业生产和经济发展造成了不可忽视的危害,准确预测干旱的发生具有重要的现实意义.基于1960—2019年新疆气象站点的逐日降水量数据,计算1、3、6、9、12个月及24个月时间尺度的标准化降水指数.建立差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)、长短期记忆网络(Long Short-Term Memory,LSTM)、互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)-ARIMA组合模型和CEEMD-LSTM组合模型.通过4种模型对多时间尺度SPI序列进行预测,确定各模型在干旱预测中的适用性.结果表明:(1)4种模型的预测精度均随时间尺度的增加而逐渐提高,在24个月时间尺度时达到最高;(2)CEEMD能够有效平稳时间序列,各时间尺度下,组合模型均达到了较高的预测精度,相较单一模型更适用于干旱预测;(3)4种模型预测结果精度由低到高分别为:LSTM、ARIMA、CEEMD-LSTM、CEEMD-ARIMA(决定系数最大值分别为:0.8882、0.9103、0.9403、0.9846),CEEMD-ARIMA模型相比其他3种模型效果较好,最适用于干旱预测.
译  名：
Applicability of the LSTM and ARIMA model in drought prediction based on CEEMD:A case study of Xinjiang

相似文章

导出引用
计量
文章访问数: 14
HTML全文浏览量: 0
PDF下载量: 1

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46