PDF《的应用∗》

2 The comparison of MAE with di?erent h 为验证LSAR模型在日长变化中长期预报上的有效性, 分别应用LSAR模型与AR模 型对LODR做跨度为1?360 d的预报, 与观测值对比, 并统计二者的MAE, 结果如表1与图3所示. 图3LSAR模型与AR模型的预报精度(MAE)比较 Fig.

3 The comparison of MAE between LSAR and AR models 表1的第

1、

2、 3列分别表示预报跨度、 AR模型和LSAR模型的预报精度MAE, 第4列表示LSAR模型相对于AR模型的预报精度提高百分比. 图3中, AR模型用实线表 示, LSAR模型用虚线表示. 比较表1与图3可以看出, 在10 d以内, LSAR模型预报精

5 期 刘庆彬等: 跳步自回归模型在中长期日长变化预报中的应用

487 度略低于AR模型, 但随着跨度的增大, LSAR模型的预报精度逐渐优于AR模型. 跨度 为10 ?

30 d的预报, 精度改善在10%以内, 从第30天开始, 改善幅度比较明显, 最大改善 达19.62%(150 d), 这证明了在日长变化的中长期预报中, LSAR模型相比于AR模型更具 优势. 表1LSAR模型与AR模型的预报精度(MAE)比较 Table

1 The comparison of MAE between LSAR and AR models Day in the future/d AR MAE/ms LSAR MAE/ms Improvement/(%)

1 0.023 0.097 -

10 0.133 0.130 2.23

20 0.173 0.157 9.25

30 0.188 0.163 13.30

60 0.187 0.158 15.51

90 0.203 0.167 17.73

120 0.199 0.161 19.10

150 0.209 0.168 19.62

180 0.210 0.169 19.52

210 0.207 0.172 16.91

240 0.199 0.171 14.07

270 0.197 0.173 12.18

300 0.195 0.164 15.90

330 0.197 0.167 15.23

360 0.201 0.169 15.92 为了进一步证明LSAR模型在日长变化的中长期预报中优于AR模型, 我们采用正规 化均方误差(Normalized Mean Square Error, NMSE), 对两种模型预报结果进行评定, 比较结果见表2与图4. 正规化均方误差: ? ? ? ? ? ? ? ? ? ? ? Enms(i) =

1 l * σ2 l ∑ j=1 (pi j ? oi j)2 σ2 =

1 l ?

1 l ∑ j=1 (oi j ? o)2 , (7) 式中, o为........