时间序列季节调整方法在气象要素预测中的应用分析

《现代农业科技》2009年第23期

时间序列预测法是一种重要的预测方法，其预测模型比较简单，对资料的要求比较单一，只需变量本身的历史数据，因此在实际中有广泛的适用性。气象要素时间序列常呈现出一定的季节性波动，有的以年度为周期，有的以季度、月、日为周期，通常称这类序列为季节性序列。时间序列如果有季节性，则趋势有时很难判断，从而影响对未来的精确预测。

1季节调整方法

气象要素是随时间变化的，对它的观测形成一组有序

数据，称这种数据为时间序列。对时间序列处理的方法大体有2种：一种是从“时域”角度进行分析，称为时间序列分析或时序分析；另一种是从“频域”角度进行分析，称为频谱分析或谱分析。一个时间序列可以包括上面4个部分中的全部或者几个部分。

在实际应用中，一般使用以下2类模型：一是加法模型：Y=T+C+S+e ；二是乘法模型：Y=T ×C ×S ×e 。文中采用乘法型季节模型：Y 1=f （t ）×F j ，其中，f （t ）是序列长期变动趋势项；F j 是季节因子，它表示季节性变动幅度的大小，j =1，2，……k ，如月度为周期则k =12，季度为周期则k =4。

季节调整的主要步骤如下：第一步，估计趋势项T ，然后得到季节项和误差项的乘积S ·e=Y /T ；第二步，去掉残差项，估计季节项S ，把与不同季节对应的数字称为季节因子，对季节因子进行规范化；第三步，从原始数据中去掉季节项

Y /S ，得到没有季节项的新的时间序列。对新时间序列进行

趋势估计，建立合理的趋势模型，根据趋势模型预测趋势，然后让趋势乘以季节指数，得到未来的预测[1，2]。

2实际应用分析

首先用季节调整方法对临汾市1962~2006年逐月气

温、降水资料进行趋势分析，利用得到的趋势方程对2007年数值进行预测。为了检验该方法的准确性，用线性回归方法对气温和降水资料进行预测，将2种方法进行比较。气温、降水的趋势采用一次线性方程表示，即：y =a 0+a 1t 。式中，y 为平均地温（最大冻土深度）；t 为时间；a 1为线性趋势项。由于温度、降水存在月差异，在用线性回归方法进行趋势分析时，对12个月的数据分别进行趋势分析，利用得到的12个线性方程对2007年的月数据进行了预测；季节调整步骤如前所述。

得到的误差结果如表1所示。在气温预测方面，2种方法的最大误差均出现在冬季12月~翌年2月，季节调整方

法的误差是线性回归方法的2倍；春、夏、秋季，季节调整方法的误差小于线性回归方法，其中季节调整方法的最大误差出现在11月（23%），线性回归方法的最大误差出现在3月（73%），4~10月2种方法都保持在较小的误差，最大误差均为10%。降水预测方面，降水的不确定性使得2种方法对降水的预测都存在很大的误差；1月由于无降水，所以未进行误差分析；2种方法的最大误差出现的时间与气温不同，均出现在4月、5月、11月，季节调整的误差较大，而其余月份线性回归方法的误差较大。

笔者对临汾地区16个县1976~2006年逐月气温进行季节调整后，再进行预测发现，地域也表现出不同的误差特征，虽然最大误差都出现在冬季，但有个别冬季月份误差在

10%以下；其中古县、浮山、霍州除冬季外，各月也保持较大的误差，基本在20%以上，其余县除冬季外，各月误差均保持在20%以下，但时间段又有不同，侯马、曲沃、洪洞除冬季外各月误差均保持在20%以下；永和、隰县、翼城只有4~10月误差保持在20%以下；其余县只有4~9月误差保持在20%以下。3结语

季节调整方法的不足在于有序列长度变短造成的数据损失及滑动阶数确定的主观人为性，其精度不仅与方法本身有关系，也与数据的性质有关[3，4]。因此，在实际应用中要结合专业知识，并从使用目的和具体情况来考虑是否选用该方法。

4参考文献

[1]黄嘉佑.气象统计分析与预报方法[M].北京：气象出版社，2004.[2]潘红宇.时间序列分析[M].北京：对外经济贸易大学出版社，2006.[3]孙春薇，王旭磊，辛永训，等.几种关于时间序列季节调整方法的研

究[J].青岛农业大学学报（自然科学版），2007，24（2）：149-153.

[4]范维，张磊，石刚.季节调整方法综述比较[J].统计研究，2006（2）：70-73.

时间序列季节调整方法在气象要素预测中的应用分析

张建玲1

林苗苗2刘建华3

申国华4

（1山西省隰县气象局，山西隰县041300；

2

河南省南阳市气象局；3

山西省临汾市气象局；4

山西省翼城县气象局）

摘要采用时间序列方法，对临汾市气象要素时间序列进行了季节调整，结果表明该方法不仅对要素表现出不同的特征，对地域也有区别；通过与线性回归比较，发现该方法也能达到较好的精度，但在实际应用中要结合专业知识，根据使用目的与具体情况考虑是否使用。

关键词气象要素；时间序列；季节调整方法；应用中图分类号O211.61；P42文献标识码A 文章编号1007-5739（2009）23-0376-01

收稿日期

2009-10-22

农业基础科学表1

气温、降水预测值与实测值的误差对比

月份

气温误差

降水误差

线性回归季节调整

线性回归季节调整

1

105.1315.8--244.275.70.4 5.7372.912.962.062.94 2.0 4.0287.6416.0510.210.4123.2123.16 1.60.270.132.87 4.4 4.422.213.28 3.0 1.273.870.99 5.8 2.919.8 1.510 4.1 2.650.238.31114.423.01622.72355.71293.7182.312.08.4

（%）

注：“-”表示未做比较。

376