基于時間序列的貴陽市煙草生長期內降水量預測

吳莉娟　彭高輝　徐晨輝

摘? 要：為了對貴陽市煙草生長期內的降水量進行預測，文章利用Matlab、Eviews軟件，基于貴陽市1958-2012年5-8月的降水量數據，建立時間序列預測模型。再應用此模型對貴陽市2013-2018年5-8月總降水量進行預測，與實際值對比檢驗模型的有效性。最后對貴陽市2019-2022年的降水量進行預測，并利用降水距平百分率得出其旱澇等級，從而有效預防旱澇急轉對貴陽市經濟作物產生的不良影響。

關鍵詞：降水距平百分率;時間序列;降水量預測

中圖分類號：P426.616? ? ? 文獻標志碼：A? ? ? ?文章編號：2095-2945（2020）21-0039-02

Abstract： In order to predict the precipitation during the growth period of tobacco in Guiyang City， this paper uses Matlab and Eviews software to establish a time series prediction model based on the precipitation data of Guiyang city from May to August during the years 1958-2012. Then the model is applied to predict the total precipitation of Guiyang from May to August of the years 2013-2018， and the validity of the model is verified by comparing with the actual value. Finally， the precipitation of Guiyang City in the years 2019-2022 is predicted， and then the grade of drought and flood is obtained by using the percentage of precipitation anomaly， so as to effectively prevent the adverse impact of the rapid change of drought and flood on the economic crops of Guiyang City.

Keywords： precipitation anomaly percentage; time series; precipitation forecast

引言

近年來，全球氣候變暖成為世界關注的焦點，氣候變化引發的極端干旱和洪澇水文事件的嚴重性以及旱澇急轉復雜性與艱巨性已被越來越多的國家及專家學者所關注。隨著氣候變暖，貴陽市旱澇急轉災害頻次與強度受氣候變化影響而加劇。煙葉為貴陽市主要經濟作物之一，煙葉的品質和產量的穩定性由于受到氣候的影響而易產生較大波動，這就必然會造成貴陽市經濟作物的損失。

國內外的學者對旱澇災害開展過一系列研究，谷紅梅、袁義杰[1]等研究了貴州省興仁縣煙草生長期內旱澇急轉趨勢變化特征;余祝媛、賀中華[2]等對貴州省近55年降水量的空間分布特征和時空變化趨勢進行了分析;陳燦、胡鐵松[3]等關于水稻灌區旱澇急轉定義進行了探討。

本課題運用Matlab、Eviews軟件和時間序列預測模型、降水距平等方法對貴陽市降水量進一步研究，對貴陽市降水量進行預測，以便提前采取應對措施，該模型的建立對貴陽市的經濟作物產量和質量保證有著重要意義。

1 研究區概況

貴陽市位于貴州省中部，西靠安順，北鄰畢節，東南與黔南布依族、苗族自治州的四縣接壤，處在東經106°07′至106°17′，北緯26°11′至26°55′之間。貴陽市總地勢西南高、東北低，平均海拔在1100米左右，屬于以山地、丘陵為主的丘原盆地地區，其氣候為亞熱帶濕潤溫和型氣候，由于地處費德爾環流圈，常年受西風帶控制，年平均氣溫為15.3℃，年平均總降水量為1129.5mm。

2 資料與方法

2.1 數據來源

本文數據資料來源于各省、市、自治區氣候資料處理部門逐月上報的《地面氣象記錄月報表》的信息化資料，選取1958-2012年貴陽市煙草生長期內（5-8月）的降水量數據進行研究。

2.2 時間序列模型

時間序列模型主要通過對長期數據系列進行趨勢組合和隨機數據系列進行組合疊加的方法進行數據系列動態處理，其中ARMA（p，q）模型是一種精度較高的小序列尺度的有效預測模型。具體計算步驟如下：

2.2.1 序列平穩化

根據降水量時間序列，利用ADF檢驗判斷序列是否平穩。若序列平穩則按步驟2操作，否則利用若干次差分將其轉化成平穩序列。

2.2.2 模型識別

通過自相關和偏自相關圖估計出不同階數p、q的可能取值。

（1）自相關函數

構成時間序列的每個序列值Xt，Xt-1，Xt-2，…，Xt-k之間的簡單相關關系稱為自相關。自相關程度由自相關系數？酌k度量，表示時間序列中相隔k期的觀測值之間的相關程度，

其中自相關系數？酌k的取值范圍是[-1，1]，|？酌k|越接近1，自相關程度越高。

（2）偏自相關函數

偏自相關系數是指對于時間序列Xt，在Xt-1，Xt-2，…，Xt-k+1給定的條件下，Xt與Xt-k之間的條件相關關系，其相關程度用偏自相關函數？漬kk度量，-1≤？漬kk≤1，

其中？酌k是滯后k期的自相關系數。

2.2.3 階數p、d、q的確定

自回歸階數p的選擇：數理統計的理論證明，完全隨機序列相關系數的抽樣分布近似于以0為均值、σ=1/√n為標準差的正態分布，區間（-1.96σ，+1.96σ）稱為隨機區間。具有統計有效性的偏自相關系數數目或落在隨機區間外的偏自相關系數個數即為p。

差分階數d的選擇：對樣本數據X1，X2，…，Xn逐次做差分，差分到平穩為止。若k次差分后平穩，取d=k。

移動平均階數q的選擇：顯著不為0的自相關系數數目為q;自相關函數從k=q0開始迅速衰減，則q=q0。

（2）MA（q）模型的參數估計

3 結果與分析

3.1 對數據進行差分及檢驗

如圖1，貴陽市1958-2012年平均降水量為681.45mm，具有豐、枯交替演變的特點。其中2000年降水量最大，為957.5mm，2011年降水量最小，為331.4mm，年際間波動較大且降水量圍繞均值上下波動，由趨勢線知1958-2012年貴陽市降水量有輕微下降趨勢。根據ADF檢驗得該時間序列檢驗值為H0=0，該時間序列為非平穩時間序列。

對該序列進行一階差分，得到如圖2所示差分序列圖。由圖可知一階差分后時間序列值趨于平穩。經過ADF檢驗得到檢驗值H1=1，則經過一階差分后的時間序列為平穩時間序列。

4 結論

（1）從整體上看，貴陽市1958-2012年5-8月平均降水量為681.45mm，具有豐、枯交替演變的特點。其降水量圍繞均值上下波動，年際間波動較大且有輕微下降趨勢。

（2）ARMA（2，1）模型可用于研究原序列的一階差分序列。由殘差序列檢驗得，其Q統計量的P值顯著大于0.05，表明該模型的殘差白噪聲檢驗通過，該模型為有效模型。即ARIMA（2，1，1）模型為原降水量序列的有效擬合模型。

（3）根據對2019-2022年降水量預測，其降水距平百分率均在正常降水量范圍內，但均為負值，因此2019-2022年貴陽市5-8月降水量有下降趨勢，需注意防范煙草生長期內干旱問題的發生。

（4）貴陽市地形地貌的復雜性、氣候的多樣性導致貴陽市降水量不確定性加大，因此煙農應時刻關注氣象變化，及時對未來降水量進行預測，對可能發生的干旱或洪澇事件及時做出響應，以降低經濟損失。

參考文獻：

[1]谷紅梅，袁義杰，張澤中，等.貴州興仁縣煙草生長期內旱澇急轉特征分析[J].人民珠江，2019，40（3）：46-51.

[2]余祝媛，賀中華，梁虹，等.貴州省近55年降水量時空變化分析[J].江蘇農業科學，2019，47（6）：208-215.

[3]陳燦，胡鐵松，高蕓，等.關于水稻灌區旱澇急轉定義的探討[J].中國農村水利水電，2018（7）：56-61.