摘要
海平面预测对评估海面变化的影响具有重要意义。本文提出联合奇异谱分析(singular spectrum
analysis,SSA)和自回归移动平均(autoregressive moving average,ARMA)模型的海平
面变化预测方法,并利用香港鲗鱼涌验潮站月平均潮位时间序列进行预测试验。结果表明,本文提
出的组合法能有效提高海平面变化的预测精度。相比于利用原始序列的 ARMA 模型预测值,联合
SSA 和 ARMA 的预测结果精度提升超过 20%。
Abstract
Sea level prediction is of great significance for assessing the impact of sea level
change. In this paper, a method for sea level prediction was proposed combining
singular spectrum analysis (SSA) and autoregressive moving average (ARMA)
model. An experiment was performed to validate the method using monthly tide
gauge data at Quarry Bay in Hongkong. The result shows that the combination
method can significantly improve the accuracy of the sea level predictions.
Compared to the predicted values using ARMA method from original time series, the
accuracy of the predictions by combining SSA and ARMA was improved by more than
20%.
译
关键词
海面变化; 预测; 奇异谱分析; 自回归移动平均
Keywords
sea level change; prediction; SSA; ARMA
译
气候变暖背景下,全球海平面的不断上升对沿海地区的社会经济发展和生态环境产生巨大威胁
[1-3]
。
海平面预测是评估未来海平面变化影响的关键,为此不少学者提出了各种不同的预测方法。俞肇元
等
[4]
联合奇异谱分析(singular spectrum analysis,SSA)和自回归模型(autoregressive,
AR)进行海面变化预测。袁林旺等
[5]
提出 SSA 结合均值生成函数(mean generating function,
MGF)的预测方法以提高长期预测的准确性和稳定性。段晓峰等
[6]
建立了一个包含自回归移动平均
(autoregressive moving average,ARMA)的随机动态预测模型进行海平面上升预测。连丽
珍等
[7]
研究了结合迭代趋势周期谱分析与 ARMA 的预测方法。
本文 探 讨 联 合 SSA 和 ARMA 模 型 的 海平 面 变 化 预 测方 法 , 并 利 用香 港 鲗 鱼 涌 验潮 站 的 1986—
2016 年月平均潮位时间序列对该方法进行试验验证。基本思路是:分别利用 1986—2013 年的原
始序列和经过 SSA 去噪的序列建立 ARMA 预测模型,对 2014—2016 年的月平均潮位进行预测,
并利用实测数据评估预测结果的精度。
1 研究方法
1.1 SSA 分析