时间序列大作业报告

题目：时间序列数据分析报告台北市近今年降雨量分析及预测班级学号姓名考试日期2016年6月15日目录一、背景介绍……………………………………3二、数据来源及说明……………………………3三、实验原理及方法……………………………4四、分析及预测…………………………………4五、结果总结……………………………………10六、心得体会……………………………………11一、背景介绍台北市：台北位于台湾岛北部的台北盆地，被新北市环绕，西界淡水河及其支流新店溪，东至南港附近，南至木栅以南丘陵区，北包大屯山东南麓。台北是中国台湾地区的六个“直辖市”之一，也是中国台湾地区的政治、经济、文化、旅游、工商业与传播中心，仅次于新北市的第二大城市。台北市位于北纬25度线附近，北回归线以北，又因为是在海岛上，地处东亚大陆与太平洋之间，受干冷的蒙古高压与暖湿的太平洋高压交互影响，形成了亚热带季风气候。由于海洋的调节，其气温比同纬度大陆地区高2～5℃，尤其在秋冬季节，此特点尤为突出。从纬度来看，台北位于北回归线以北，属于亚热带季风气候。但从各月平均气温来看，却酷似热带季风气候，表现在：长夏无冬，只有热季与凉季之分：通常4～11月为热季、12～次年3月为凉季。有时受到全球暖化或特殊的气候变化影响，凉季期间也会出现忽暖忽冷的现象（如2005年2～3月蒙古高压带来的强烈冷气团，使得台北的温度少见地降至摄氏5.6度，邻近台北的淡水更出现摄氏3.9度的低温）。由于台北位于东亚季风带内，因此气候也受东北季风影响。也因为有东北季风的影响，才不致使淡水河有因水量不足而断流的问题。另外还有一个特殊的气候特征：因为市区主要位于台北盆地中，气候也深受盆地地形影响。夏季由于盆地周围的高山而不易使热气排出，使得市内的气温通常较周围的地区高出摄氏1～2度。进入冬季后，市区周围的山地与丘陵地较容易形成地形雨。每年5月前后，由于蒙古高压与太平洋高压交会形成锋面，使得台湾进入梅雨季节，此时台北的降雨天数也会增加。夏季也经常会因为上升气流旺盛，形成午后雷阵雨。由于夏季时常伴随着台风的侵袭，对台湾人民造成相当大的影响，而台北市作为台湾岛的政治、经济中心，因此对于台北市的降雨量分析和预测研究有十分的必要。二、数据来源及说明数据来源：台湾交通部中央气象局。交通部中央气象局（简称中央气象局或CWB），原为民国时期中国的气象专责机构（1941年成立，1949年迁台），后成为中国台湾地区的气象专责机构，1971年恢复建制（台湾当局“交通部中央气象局”），2014年台湾“环境资源部”成立后将改隶并更名为“环境资源部气象局”。现负责中国台湾地区的气象观测及预报业务，包括天气、地震、海象、天文等地球科学项目，也是台湾地区官方的气象预报、台风警报、灾害性天气特报（豪雨特报、强风特报、低温特报等）及地震报告的发布单位。（）说明：作为中国台湾地区的气象专责机构，CWB对于台湾地区长期的气象资料有着专业和详尽的记录，是为选取数据的优良来源。三、实验原理及方法1、数据收集和整理，建立时间序列；2、检验时间序列平滑性，确定是否需要差分；3、当序列平稳，确定要用的模型和阶数，白噪声检验以及预测结果；4、根据每个模型的检验结果，并与实际结果比较，对使用过的模型进行评价；四、分析及预测（一）、数据收集和整理，建立时间序列：（二）、检验时间序列平滑性，确定是否需要差分：可见，该序列并不平稳，故先对其进行一阶差分：即一阶差分以后，序列平稳。（三）、当序列平稳，确定要用的模型和阶数，白噪声检验以及预测结果:1、首先检验自相关性：由自相关图和偏自相关图可知，可以选用AR(11)模型。2、结果预测（样本量N=107，预测2015年12月~2016年5月台北市的降雨量，单位：mm）：实际值：2015.12…………75.7mm2016.01…………256mm2016.02…………78.9mm2016.03…………285.7mm2016.04…………184.4mm2016.05…………186.7mm3、白噪声检验：既然相关图显示出在滞后1-20阶（lags1-20）中样本自相关值都没有超出显著（置信）边界，而且Ljung-Box检验的p值为0.86，所以我们推断在滞后1-20阶（lags1-20）中没明显证据说明预测误差是非零自相关的。绘制预测图：（四）、根据模型的检验结果，并与实际结果比较，对模型进行评价：其实从预测值与观测值来看，结果并没有很好的符合实际。原因有几点：1、数据量不够：因为从数据来源的网站（见（一）），只有近十年的数据记载，所以只能数据量不够。由于降雨量与所研究地区本身的地理位置有关以外，还与宏观的气候因素有关，数据量不够造成的硬伤就是失去了大量的数据所包含的宏观气候因素对整体的降雨量产生的影响，以至于预测结果与实际观测值有出入；2、厄尔尼诺现象的影响：由于2014~2015年为大型厄尔尼诺年，上一次大型厄尔尼诺现象发生在1997~1998年，98年的特大洪涝灾害就是强厄尔尼诺的体现，尽管厄尔尼诺在98年至14年之间也发生过几次，但规模都比较小。i)厄尔尼诺现象：厄尔尼诺暖流，太平洋一种反常的自然现象，在南美洲西海岸、南太平洋东部，自南向北流动着一股著名的秘鲁寒流，每年的11月至次年的3月正是南半球的夏季，南半球海域水温普遍升高，向西流动的赤道暖流得到加强。恰逢此时，全球的气压带和风带向南移动，东北信风越过赤道受到南半球自偏向力（也称地转偏向力）的作用，向左偏转成西北季风。西北季风不但削弱了秘鲁西海岸的离岸风——东南信风，使秘鲁寒流冷水上泛减弱甚至消失，而且吹拂着水温较高的赤道暖流南下，使秘鲁寒流的水温反常升高。这股悄然而至、不固定的洋流被称为“厄尔尼诺暖流”。根据2015年12月27日美国国家航空暨太空总署(NASA)新发布的卫星影像显示，太平洋上厄尔尼诺现象没有转弱迹象。专家预测2016年可能成为厄尔尼诺破坏力最大的一年。每隔数年，东南信风减弱，东太平洋冷水上翻现象消失，表层暖水向东回流，导致赤道东太平洋海面上升，海面水温升高，秘鲁、厄瓜多尔沿岸由冷洋流转变为暖洋流。厄尔尼诺对气候的影响，以环赤道太平洋地区最为显著，原来的干旱气候转变为多雨气候，甚至造成洪水泛滥。总部位于日内瓦的世界气象组织2014年4月15日发布新闻发布会称，鉴于太平洋赤道海域海水温度已达到出现厄尔尼诺暖流前兆的程度，2014中期可能出现厄尔尼诺现象。这种海温偏高的状态还在持续，并且已经基本确定2014年会发生厄尔尼诺事件。专家介绍这将很可能对我国的降水格局产生影响，2014年秋季，我国南方可能出现低温阴雨灾害，北方可能出现秋旱，东北秋粮产区初霜冻日期可能会提前。2015年4月20日，水利部部长陈雷指出，根据气象水文预测分析，受厄尔尼诺事件影响，2015年汛期我国气象年景中等偏差，中国降水总体偏多，长江流域可能发生较重洪涝灾害，防汛抗旱形势不容乐观。国家气候中心预计，此次厄尔尼诺事件将继续维持。受其影响，今年夏季，中国可能出现“南涝北旱”：江淮流域和江南降水可能会比常年同期偏多，局部出现洪涝灾害，而华北干旱较重。国家气候中心预测，本次厄尔尼诺事件将至少持续到2016年春季，可能在2015年11-12月达到峰值。根据台北的地理位置以及气候特点结合厄尔尼诺现象的影响分析可知，在厄尔尼诺年一般会造成暖冬、淮河以南地区持续降雨，由2015年的降雨数据可以看到，7/8/9月的降雨量都在300mm以上，7月甚至达到了700mm以上；而到了凉季，可以看到14年和15年9月之后包括15年1月每月的降雨都几乎不足100mm，然而在16年1月，实际降雨量却达到了256mm的降雨量，这与预测值相差很大，这与厄尔尼诺现象的影响分不开，而且由于厄尔尼诺事件的滞后性，这些影响会持续到16年春季，这也就是预测值和观测值出入较大的重要原因。从这几个月的降雨量年均值来看，预测的结果还是比较可靠的。五、结果总结本次实验通过近8年台北市降雨量的数据，差分平稳化后应用了AR（11）模型进行模拟和预测，得到了从2015年12月到2016年5月的降雨量预测值并通过了白噪声检验，因此可以认为，该模型的选取是适合的。尽管预测的结果与实际观测值有些出入，但是总体的趋势是符合的，一定程度上可以认为该预测结果可以反映出15年12月至16年5月的降雨量趋势，并可以为有关部门对可能出现的情况提供信息，以便制定相应的应对策略，这便在一定程度上达到了预测的效果。六、心得体会本次实验，使用了R3.3.0软件，因此在对R语言编程这一方面提高了自己的能力，尽管还不能做到完全的掌握，但是对于基本的与时间序列有关的函数和作图都有了一定的了解且能比较熟练的运用。在数据收集和数据选取的过程中，也看到在大数据时代，我们的专业知识可以有什么样的应用，当然，以目前所掌握的知识是远远不够的，大量的数据如何筛选、如何处理都是可以好好研究的问题，这也更激励了我在今后的学习过程中努力地拓宽自己的知识面、加强专业领域的知识储备。同时，由于在选取模型和模型定阶的过程中，也遇到过一些问题，因此对于这方面的知识也有了更加深入和形象的理解。这次实验，理论结合实际，一方面将课本中学到的知识运用于实际问题中，并通过这一过程实现一些功能或达到一定的目的；另一方面，在实际操作的过程中，细化了对课本上的知识的理解，同时在与软件相结合的时候，也尝试多种方法去完成既定目标。因此，本次实验对于我本人来说，意义重大，感谢同学在我有问题的时候给我的意见和建议，即使不是小组作业也感受到了合作的力量，也感谢老师辛苦的传授知识、解答疑惑，并给了我们这样一个机会去真正自己操作，自己体验这样一个过程，虽然过程中遇到了不少的问题和困难，但最后能得到比较理想的结果，还是觉得很开心，希望以后可以更加进步。