基于ARMA的新桥机场气温时间序列建模与预测.pdfVIP

基于ARMA 的新桥机场气温时间序列建模与预测 万静 民航安徽空管分局气象台预报室 安徽合肥 230000 摘要：本文选取合肥新桥机场自 2013 年 5 月启用后至 2014 年 2 月地面自动气象站每分钟的 气象观测数据，利用预报点前３小时内的气温时间序列，建立动态 ARMA 模型，预报未来２ 小时内的气温状况。通过一阶差分对建模时间序列进行平稳化处理；用自相关与偏自相关系 数结合 AIC 确定已处理序列 ARMA 模型参数；最后用预备时间序列依据气温趋势类型对预报 结果进行验证。检验显示完全温升与完全温降过程的预报精度较好：第１小时内，±0.5℃ 预报偏差内，前者统计准确率达到 93.4％，后者是 89.4％、±1℃预报偏差内，前者统计准 确率达到 98.3％，后者是 94％；第２小时内，±1℃预报偏差内，前者达到 78.4％，后者 是 75.6％、±2℃预报偏差内，前者达到 86.3％，后者是 85.4％。结果表明该方法对业务 实践具有一定的指导意义。 关键词：机场；气温；预报；ARMA 1 引言 准确预报气温是保障机场安全运营的举措之一。高温时，飞机的滑行距离会增长；低温 时，结合其他条件，跑道可能会结冰。准确预报气温特别是未来几小时的气温可以保证机场 管理人员有充分时间来提前展开相关部署工作。新气象工作规则明确规定，FC和FT报文应包 括相应报文时段内的最高和最低温度。同时，合肥作为发展中的区域特大城市，未来航空业 务将大幅度增长，因此，为了保障航空安全与提高航空服务质量，必须加强机场气温的预报 业务。 近年来，许多学者对气温的从不同领域展开了分析和研究[1]- [5] 。精确预报气温是机场 气象预报中的难点之一。本文利用地面气象资料，建立动态ARMA模型，利用预报点前（含预 报点）３小时内的气温时间序列，预报未来２小时内气温，为气温短时准确预报提供可参考 的新方法。 2 资料与方法 2.1 数据 选取新桥机场2013-2014年地面每分钟观测气象资料，主要包括风向、风速、气温、相 对湿度、气压和降雨等。本文侧重动态建模作短时预报，虽然气温受到降水等因素响，但由 于气温在短时间内不能实突变的特性，并且这种影响也会反映到建模的时间序列中，因此仅 选取气温时间序列作为源数据。 2.2 方法 利用平均数值法把自动站气象时间序列由原来的每分钟一个点合并成10分钟一个点；动 态建模时选取预报点前18个点（3个小时）数据作为建模源数据；未来2小时12个点作为备用 检验数据。通过一阶差分对建模时间序列进行平稳化处理；用自相关与偏自相关系数结合AIC 确定已处理序列ARAM模型参数；最后用预备时间序列对预报结果进行验证。论文所涉及的操 作用matlab编程实现[6]-[7]。 3 ARMA 理论基础 3.1 ARMA 模型的定义 对于平稳、正态、零均值的时间序列 {x }，若 {x }的取值不仅与其前 n 步的各个取值 t t {x },{x },…,{x }有关 ，而且还与前 m 步的干扰 {a },{a },…,{a }有关 ( n, m t-1 t-2 t-n t-1 t-2 t-m =1 ,2, … )，则按多元现行回归的思想,可得到最一般的 ARMA 模型： x = φ x + φ x + … + φ x - ө a - ө a - … - ө a + a ( 1 ) t 1 t- 1 2 t-2 n t-n 1 t-1 2 t-2 m t-m t 万静，1985 年 12 月，女，工程师，大气物理与大气环境。 式中，称为 φ ( i = 1 , 2 , … , n )自回归参数；ө ( j = 1 , 2 ,⋯ ,m)称为滑动 i j 平均参数；{a }之一序列为白噪声序列，(1)式称为Ｘ 的自回归滑动平均模型，记为 ARMA (n,m) t