来源：期刊VIP网 时间：
作者：张航;宋松柏;刘允龙;栾伟琦;
单位：西北农林科技大学水利与建筑工程学院;西北工业大学航海学院;
摘要：为解决传统季节性自回归积分滑动平均（seasonal autoregressive integrated moving average,SARIMA）模型在处理非线性关系和实时数据的快速适应等方面的问题，提出2种基于卡尔曼滤波（Kalman filter,KF）数据融合的改进模型。模型通过分别构建自回归（autoregressive,AR）模型和基于MUSIC算法定阶的Prony全极点AR模型（prony autoregressive model,PAR）作为卡尔曼滤波的状态转移矩阵，利用滤波递推估计进行SARIMA模型预测序列的实时更新，即SARIMA-AR-KF模型和SARIMA-PAR-KF模型。选取渭河流域15个气象站月降水序列进行预报模型验证，结果表明：SARIMA-AR-KF模型相对于SARIMA模型的可决系数(R~2)和纳什效率系数(E_(NS))分别提升6.8%～21.5%和6.4%～19.4%, SARIMA-PAR-KF模型相对于SARIMA-AR-KF模型的R~2和E_(NS)分别提升7.3%～22.1%和6.8%～19.8%,SARIMA-PAR-KF模型显著改进了SARIMA-AR-KF模型的预测性能，可为月降水预报提供一种新的途径。
关键词：SARIMA模型;;MUSIC算法;;Prony算法;;卡尔曼滤波;;降水预报;;渭河流域
基金资助：国家自然科学基金项目（52379026;52079110）
