Forecasting the Yellow River runoff based on functional data analysis methods
Forecasting the Yellow River runoff based on functional data analysis methods
复制标题
基于函数数据分析方法的黄河径流量预测
DOI：
10.1007/s10651-020-00469-x
复制
发表时间：
2020-10
影响因子：
3.8
通讯作者：
Zhou Yingchun
中科院分区：
文献类型：
--
作者：
Wang Ting;Zhou Yingchun
本文对黄河干流各水文站、各月径流量进行了预报。从函数数据的角度看，各水文站的月径流量既可以看作是时间的函数，也可以看作是空间的函数。通过收集多年来的数据，形成了一系列这样的功能。提出了一种将二维函数主成分分析（FPCA）和时间序列分析方法相结合进行径流预测的新方法。在仿真中，我们提出的方法与其他两个：一个基于一维FPCA和季节性自回归积分移动平均（SARIMA）方法。将标准二维FPCA和时间序列分析相结合的方法在大多数情况下优于其他方法，并用于预测2018年黄河各水文站和各月的径流量。
This study examines the runoff prediction of each hydrometric station and each month in the mainstream of the Yellow River in China. From the perspective of functional data, the monthly runoff of each hydrometric station can be regarded as a function of both time and space. A sequence of such functions is formed by collecting the data over the years. We propose a new approach by combining the two-dimensional functional principal component analysis (FPCA) and time series analysis methods to predict the runoff. In the simulation, we compared the proposed method with two others: one based on one-dimensional FPCA and the seasonal auto-regressive integrated moving average (SARIMA) method. The method combining standard two-dimensional FPCA and time series analysis outperforms others in most cases, and is used to predict the runoff of each hydrometric station and each month in the Yellow River in 2018.
登录
查看更多内容
影响因子：
3.6
作者：
Hongling Shi;Chunhong Hu;Yangui Wang;Cheng Liu;Huimei Li
通讯作者：
Hongling Shi;Chunhong Hu;Yangui Wang;Cheng Liu;Huimei Li
DOI：
10.1080/10618600.2013.827986
发表时间：
2014-09-01
影响因子：
2.4
作者：
Zhou, Lan;Pan, Huijun
通讯作者：
Pan, Huijun
影响因子：
2
作者：
Erbas, Bircan;Hyndman, Rob J.;Gertig, Dorota M.
通讯作者：
Gertig, Dorota M.
影响因子：
0.9
作者：
Cuevas, Antonio
通讯作者：
Cuevas, Antonio
DOI：
10.1198/016214504000001745
发表时间：
2005-06-01
影响因子：
3.7
作者：
Yao, F;Müller, HG;Wang, JL
通讯作者：
Wang, JL