《表1 浙江海域赤潮发生次数ARIMA预测模型的相关参数》

  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

《一种基于时间序列分析的赤潮预测新方法研究——以浙江海域为例》

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

根据赤潮发生次数时间序列的差分情况及季节性特征，可以初步判别该时间序列是周期为12的复合季节模型ARIMA（p，d，q）（P，D，Q）s，故S取值为12；差分后序列自相关系数（Auto-Correlation Function，ACF）和偏相关系数（PArtial Correlation Function，PACF)[29]表明（见图5)，ACF和PACF均在P参数大于l后骤减，故初步判断连续模型为RIMA（1，l，1）。季节模型的参数P、Q判断较复杂，一般情况下超过二阶的情况很少见，可以分别取0、1、2由低阶到高阶逐个实验。本文基于SPSS 25.0统计软件“时间序列预测”模块中的专家建模器，通过极大似然法[30]进行估计，初步拟定模型参数，剔除系数不显著的模型，并对剩下模型的残差进行Ljung-Box非线性检验[31]，选出P>0.05的模型；再从选出的模型中遵从BIC准则[26]筛选出最优模型。由表1结果可知，Ljung-Box的Q检验显示残差目前并未违反白噪声的假设，也没有出现离群值，选取的赤潮发生次数时间序列的最优预测模型为ARIMA(1，1，1）（1，1，0）12，拟合优度系数为0.68，结果在可接受范围内。图5可见模型残差的ACF和PACF均≤0.5，残差序列各数值间没有相关性，这说明建立的预测模型已充分提取了序列信息，是合适且可信的。