改进灰色波形预测方法在降水量预测中的应用

郝慧慧，朱涵钰

（华北水利水电大学管理与经济学院，郑州450046）

0 引 言

降水量和日常生活的旱涝预报、水文水情分析的研究息息相关[1]。随着人类活动加剧，大量温室气体排放，全球温度不断升高。干旱和极端降水频繁发生，给国家经济发展和人类生产、生活造成严重影响，甚至威胁到人类生命财产安全[2]。降水量的多少直接关系到农业发展以及各项政策的制定与实施，建立有效的降水量预测预警模型对我国各行各业的发展具有重大意义[3]。因此，对降水量数据序列进行分析与预测，可为区域水资源合理利用和防汛减灾工作提供数据支撑，对保证国民经济和社会发展具有重要意义[4]。

降水量预测模型可以概括为解释型和数据驱动型[5]。对于解释型模型，Priya 等[6]采用ARIMA 模型进行了印度西部季风前降雨数据的趋势分析。张帅等[7]选取了递归神经网络模型（RNN）解决了降雨量长期预测问题，并选用前馈神经网络模型（FNN）、小波神经网络模型（WNN）和整合移动平均自回归模型（ARIMA）进行对比分析。Byung 等[8]采用ARIMA 模型进行了蒙古地区降水量时空变异性评价和季节性预测。对于数据驱动型模型，宋帆等[9]基于聚类分析的模糊马尔科夫链模型，对全国16 个站点的降雨量进行预测。卢维学等[10]采用随机森林算法的偏最小二乘回归（PLS）模型，对城市的降水量进行预测。梁显丽等[11]基于加权马尔可夫预测模型对鄂尔多斯市1961−2019年的降水量数据进行预测。熊文真等[12]采用HP−ENN−MC 模型预测了某地区1990−2015年植物生育期的降雨量。……