《表5 小波-ARIMA-LS-SVM模型年降水量预测结果》

  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

《基于小波包分解的LS-SVM-ARIMA组合降水预测》

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

表6计算出3种模型的平均均绝对误差（MAE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE），可以看出：小波包分解的LS-SVM-ARIMA模型的3项评价指标均为最小，预测精度最高；小波-LS-SVM-ARIMA模型的精度次之；小波-ARIMA模型的精度最低。其原因在于降水序列中包含非线性特征和线性特征，而ARIMA模型用于预测时假定序列是线性变化的，有局限性，难以预测序列的非线性变化，用ARIMA模型预测高频细节序列、LS-SVM模型预测低频趋势序列可以充分提取降水序列的线性变化和非线性变化的特点，有效提高预测精度；同时小波包分解相比小波分解能够更全面的分解降水数据，提取降水数据中包含的细节信息，在完整保留降水序列信息的同时，降低了序列的随机性导致的误差，使得年降水量的预测精度更高，结果更为可靠。