基于GM-ARMA组合模型的全球年平均气温预测

针对全球年平均气温历史数据既有趋势性又有波动性的特点,提出用灰色系统理论与时间序列分析相结合的方法建立GM-ARMA组合模型来预测全球年平均气温。基于这个模型采用等维递补的预测方法预测出了过去十年内的全球年平均气温,通过与实际数据相比较发现该模型具有较高的预测精度。最后采用该组合模型预测出了未来十年内的全球年平均气温。

基于现代工业环境模拟下的全球气温预测研究

提出了一种基于计算机仿真技术来预测的全球年平均气温预测研究方法,利用MATLAB和SPSSPRO软件,分别使用GM和BP算法将1900-2022年的全球平均气温作为数据集,在BP神经网络中将输入数据随机抽取70%作为训练样本,抽取30%作为测试样本。分别用两种模型对2023-2040年全球平均气温作预测,最后得到使用GM模型预测2040年年平均气温为20.713℃,使用BP神经网络预测到的2040年年平均气温为20.533℃,并且两种模型评价指标的值为:(1)实践发现灰色预测模型的后验差比值C为0.232。(2)BP神经网络的评价指标:XMSE、XMAE、XRMSE、XMAPE分别为0.069,0.189,0.262,0.949,并且模型拟合度R2可达0.758。