庄燕璇

摘要：本文基于广州市1998年1月—2019年12月月度降水量数据，对序列进行建模分析和预测。基于AIC和BIC法则分别建立疏系数模型ARIMA（（4，5，6，7，8），1，1）和综合分析模型Xt=StIt，两种模型对2018年数据的拟合情况为：疏系数模的预测相对误差小于50%的比例为33.33%;而综合分析模型为58.33%。因此采用综合分析模型对广州市2020年降水量数据进行预测，预测得出广州市2020年1月的降水量为54.686 mm，但随着预测期的延长，预测精度降低。

关键词：广州市降水量序列;AIC;BIC;ARIMA模型;综合分析方法

降水量是衡量地区干旱程度的一个重要指标，它直接反映了自然界的变化。降水量的多少直接影响农业生产，与现在农作物的生长周期和产量更是联系密切。同时，降水量的年际变化趋势直接制约着区域社会经济发展和生态生活环境，影响着区域水资源的调配管理。通过对数据拟合建立一个不错的模型进行短时间内较精确的预测，有助于安排农业生产，注意防范洪涝灾害以及对水资源进行调配，具有重大的现实意义。

张吉英[1]利用沈阳市2005年至2016年的降水量资料，建立了ARIMA（1，1，1）预测模型对沈阳市降水量进行分析预测。张改红[2]利用渭南市1953年至2013年的降水量资料，采用ARIMA模型对渭南市降水量趋势进行模拟分析，建立最优降水量预测模型，该模型优点为短期预测精度高。吕志涛[3]利用郑州市1971年至2013年降水量资料，分别采用了二次多项式拟合、谐波分析法以及自回归模型构建了郑州市降水量的预报模型，预报精度较高。

本文以广州市为研究区域，利用1998年1月至2019年12月的广州市降水量资料[4]，分别建立ARIMA模型和综合分析模型对广州降水趋势进行分析，最后选择最优模型进行预测应用。……