一种天气预测的方法及装置与流程

技术特征：

1.一种天气预测的方法，其特征在于，所述天气预测的方法包括：

S1，获取所关注地区预设的过去时间段内的天气变量；

S2，建立所述天气变量的条件均值模型；

S3，建立所述天气变量的条件方差模型；

S4，选择待预测的未来时间段，根据所述条件均值模型及所述条件方差模型获取所述未来时间段的所述天气变量的概率分布。

2.根据权利要求1所述天气预测的方法，其特征在于，所述步骤S2包括：

S21，对所述天气变量进行差分；

S22，获取差分后的天气变量的推广自相关函数，根据所述推广自相关函数选择自回归移动平均模型ARIMA的参数，根据所述参数确定所述自回归移动平均模型ARIMA；

S23，对确定后的自回归移动平均模型ARIMA进行重复估计，获取系数显著的自回归移动平均模型ARIMA；

S24，对所述系数显著的自回归移动平均模型ARIMA进行Ljung-Box检验，根据检验结果获取自回归项值大于预设阈值的自回归移动平均模型ARIMA；

S25，计算所述自回归项值大于预设阈值的自回归移动平均模型ARIMA的赤池信息量准则AIC，选择所述赤池信息量准则AIC最小的自回归移动平均模型ARIMA作为所述条件均值模型。

3.根据权利要求1或2所述天气预测的方法，其特征在于，所述步骤S3包括：

S31，利用极大似然法分别估计非对称广义自回归条件异方差模型NGARCH的系数与非对称幂自回归条件异方差模型APARCH的系数，根据各自的系数分别确定所述非对称广义自回归条件异方差模型NGARCH与非对称幂自回归条件异方差模型APARCH；

S32，对确定的所述非对称广义自回归条件异方差模型NGARCH与非对称幂自回归条件异方差模型APARCH进行回测检验，根据检验结果选择确定的所述非对称广义自回归条件异方差模型NGARCH或非对称幂自回归条件异方差模型APARCH作为所述条件方差模型。

4.根据权利要求1或2所述天气预测的方法，其特征在于，所述步骤S4包括：

S41，获取所述条件均值模型的残差，对所述残差的平方进行ARCH效应检验；

S42，在ARCH效应检验通过时，对所述残差进行Jarque-Bera检验，根据检验结果选择新息的类型；

S43，基于所述条件均值模型进行超前预测得到所述待预测的未来时间段的均值，基于所述条件方差模型进行超前预测得到所述待预测的未来时间段的方差；

S44，基于所选择的新息的类型、所述均值及所述方差获取所述未来时间段的所述天气变量的概率分布。

5.根据权利要求4所述天气预测的方法，其特征在于，所述新息的类型包括高斯新息及学生t新息，所述步骤S44包括：

若所选择的新息的类型为高斯新息，则所述未来时间段的所述天气变量的概率分布为所述均值和方差的正态分布：其中，μ_t为均值，为方差；

若所选择的新息的类型为学生t新息，则所述未来时间段的所述天气变量的概率分布为所述均值和方差的有偏学生t分布：其中，为方差，v是学生t分布的自由度，是自由度为v、均值为μ_t的有偏学生t分布。

6.一种天气预测的装置，其特征在于，所述天气预测的装置包括：

获取模块，用于获取所关注地区预设的过去时间段内的天气变量；

第一建立模块，用于建立所述天气变量的条件均值模型；

第二建立模块，用于建立所述天气变量的条件方差模型；

预测模块，用于选择待预测的未来时间段，根据所述条件均值模型及所述条件方差模型获取所述未来时间段的所述天气变量的概率分布。

7.根据权利要求6所述天气预测的装置，其特征在于，所述第一建立模块包括：

差分单元，用于对所述天气变量进行差分；

选择单元，用于获取差分后的天气变量的推广自相关函数，根据所述推广自相关函数选择自回归移动平均模型ARIMA的参数，根据所述参数确定所述自回归移动平均模型ARIMA；

第一估计单元，用于对确定后的自回归移动平均模型ARIMA进行重复估计，获取系数显著的自回归移动平均模型ARIMA；

第一检验单元，用于对所述系数显著的自回归移动平均模型ARIMA进行Ljung-Box检验，根据检验结果获取自回归项值大于预设阈值的自回归移动平均模型ARIMA；

计算单元，用于计算所述自回归项值大于预设阈值的自回归移动平均模型ARIMA的赤池信息量准则AIC，选择所述赤池信息量准则AIC最小的自回归移动平均模型ARIMA作为所述条件均值模型。

8.根据权利要求6或7所述天气预测的装置，其特征在于，所述第二建立模块包括：

第二估计单元，用于利用极大似然法分别估计非对称广义自回归条件异方差模型NGARCH的系数与非对称幂自回归条件异方差模型APARCH的系数，根据各自的系数分别确定所述非对称广义自回归条件异方差模型NGARCH与非对称幂自回归条件异方差模型APARCH；

回测检验单元，用于对确定的所述非对称广义自回归条件异方差模型NGARCH与非对称幂自回归条件异方差模型APARCH进行回测检验，根据检验结果选择确定的所述非对称广义自回归条件异方差模型NGARCH或非对称幂自回归条件异方差模型APARCH作为所述条件方差模型。

9.根据权利要求6或7所述天气预测的装置，其特征在于，所述预测模块包括：

第二检验单元，用于获取所述条件均值模型的残差，对所述残差的平方进行ARCH效应检验；

第三检验单元，用于在ARCH效应检验通过时，对所述残差进行Jarque-Bera检验，根据检验结果选择新息的类型；

预测单元，用于基于所述条件均值模型进行超前预测得到所述待预测的未来时间段的均值，基于所述条件方差模型进行超前预测得到所述待预测的未来时间段的方差；

获取单元，用于基于所选择的新息的类型、所述均值及所述方差获取所述未来时间段的所述天气变量的概率分布。

10.根据权利要求9所述天气预测的装置，其特征在于，所述获取单元具体用于若所选择的新息的类型为高斯新息，则所述未来时间段的所述天气变量的概率分布为所述均值和方差的正态分布：其中，μ_t为均值，为方差；若所选择的新息的类型为学生t新息，则所述未来时间段的所述天气变量的概率分布为所述均值和方差的有偏学生t分布：其中，为方差，v是学生t分布的自由度，是自由度为v、均值为μ_t的有偏学生t分布。