时间序列预测模型_时间序列组合模型在地下水位预测中的应用

虚无zrj原创@20191221

地下水位预测中，由于存在多个周期的因素影响下，地下水会收到不同周期因素的影响，为传统的预测方法不能很好地预测地下水动态变化。当具有大量观测数据的时候，可以通过时间序列综合方法对不同周期因素进行分析和处理，得到很好地地下水位模拟和预测。预测结果有待在实践中进一步验证。本实例采用R语言进行了地下水位的建模和预测，结合线性回归、GM(1,1)灰色模型进行组合预测。经过检验，预测模型总体预测精度在1%以内。

经过测试，时间序列分析中常用的ARIMA模型不能对地下水位数据进行很好的建模，预测结果与实际情况不符。因此本人采用组合时间序列方法建模，有效地解决了地下水位预测问题。

地下水位的变化受各种因素的影响，其中包括了各种时间周期的因素影响，例如周期性的降水，周期性的干旱，周期性的人工，抽取地下水等等。如何有效的预测地下水的水位的变化，是一个非常棘手的问题。本人通过时间序列组合建模有效解决的这个问题。

下图是模拟数据和实测数据的对比图。

时间序列的分解见下图：

选取合适的周期，将数据分解成季节项，趋势项和随机项。上图中可以看出下降趋势明显。针对趋势明显的数据，采用灰色gm11模型进行预测，效果较好。针对随机项数据，进一步进行时间序列分析。分析方法是进行季节分解得到趋势项和季节项，直到随机项为正态分布的随机白噪声。

随机项的周期大小不一，选择合适的周期至关重要，关系到模型精度与准确性。

以上预测均在R语言上实现，并使用了自主开发的北岩gm11灰色预测模型。经过检验模型的精度，MAPE在1%以内，与拟合数据对比发现精度很高。