《表1 ARMA模型类型及阶数确定》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LSTM神经网络的青藏高原月降水量预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

ARIMA模型是时间序列分析的经典理论和方法，其基本参数p、d、q分别为自回归项数、差分次数、移动平均项数[29]。本文的降水时间序列为非平稳序列，通过一阶差分可转为平稳序列，然后再运用ARMA模型进行预测。参数p、q需要通过计算自相关系数（ACF）和偏自相关系数（PACF）的拖尾和截尾特征来确定，使其能达到AIC(Akaike Information Criterion）的值最小。本文按照表1的方式来确定p和q。