REVIEWS OF GEOGRAPHIC SOFTWARE

Reviews of geographic software in this article: DEMO-GRAPHICS: WORLD POPULATIONS AND PROJECTIONS. ESP GAUSS. CEMODEL S. Damus LIMDEP. William H. Greene MICROSTAT 4.1 OTIS PCIPS. (Personal Computer Image Processing System) . H.J. Meyers and R. Bernstein. REGRESSION ANALYSIS OF TIME SERIES (RATS) SPSS/PC+ URBAN DATA MANAGEMENT SOFTWARE (UDMS)     

基于省区协调发展的GDP预测模型

基于柯布-道格拉斯生产函数与自回归移动平均模型(ARIMA)构建出一个GDP综合预测模型,并且考虑十九大全面建成小康社会与实现共同富裕的精神与国家关于技术、资本、劳动力等方面的区域平衡发展战略调整模型的参数,计算了2016—2050年中国分省的GDP总量与人均GDP,进一步通过计算省区间人均GDP的基尼系数来分析省区协调发展的水平。研究结果表明,在考虑省区协调发展时,各省区在2016—2050年间的GDP总量与人均GDP的差距逐渐缩小,省区间人均GDP的基尼系数将从2015年的0.219下降到2030年的0.176和2050年的0.137,未来区域间发展不均衡的态势在实现经济稳步增长同时可以得到缓解。     

基于EEMD-SARIMA的对流层延迟预测模型研究

在无气象数据的条件下,提出一种基于集合经验模态分解（EEMD）和季节性自回归移动平均模型（SARIMA）的对流层延迟（ZTD）预报新方法,并分别选取长春、上海、乌鲁木齐3个地区4个季节的ZTD数据进行预测分析。结果表明,基于EEMD-SARIMA的ZTD改正预报模型能够满足不同地区、不同季节下的ZTD估计需求,是一种高精度的ZTD预报方法。     

BDS卫星差分码偏差稳定性分析及其短期预报

利用MGEX(multi-GNSS experiment)发布的BDS卫星差分码偏差(differential code bias, DCB)产品，比较分析不同太阳活动水平下BDS卫星DCB产品的稳定性变化特性，并采用差分自回归移动平均(auto-regressive integrated moving average, ARIMA)时间序列预测模型，实现不同太阳活动水平下BDS卫星DCB的短期预报。结果表明，在太阳活动高年，BDS卫星DCB日解值稳定度、月稳定性均明显低于太阳活动低年，且不同卫星星座类型的BDS卫星DCB稳定性也存在差异；ARIMA时间序列预报结果与MGEX发布值符合程度较好，优于多项式拟合法预测结果。     

几种统计预测方法对1998年南京降水的跨季节预测试验及分析

对1998年南京降水分别设计并开展了求和自回归滑动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型预测、经验模态分解（Empirical Mode Decomposition,EMD）预测和基于Hilbert变换（HilbertTransformation,HT）的幅频分离预测等3种跨季节统计预测试验。结果表明：ARIMA模型预测结果存在明显的系统性误差且对夏季的降水突变现象预测困难;EMD分解预测的结果虽在降水演变趋势上有明显提高,但仍未能预测出夏季的强降水突变现象,究其原因可能是对高频分量预测效果不好所致;而基于Hilbert变换的幅频分离预测方法能够对各模态分量的瞬时频率和瞬时振幅实施隔离预测,消除两者的相互影响,显著改善高频模态的预测效果,使得最终预测结果最为理想,不仅具有最高的趋势相关性和最小的偏差,而且还较好地预测出了夏季两次强降水过程。不仅如此,在对2003年的降水预测验证中,基于Hilbert变换的幅频分离预测方法同样具有最好的预测效果,表明该方法预测效果较为稳定,为改进跨季节短期气候统计预测技术提供了一个新思路。     

三种地下水位动态预测模型在吉林西部的应用与对比

准确而可靠地预测地下水埋深对生态环境保护和水资源规划管理具有重要意义。针对吉林西部浅层地下水位动态变化的复杂性和非线性,提出了基于小波分析与人工神经网络相结合的预测方法小波神经网络(WA-ANN)模型。将研究区2002年1月2009年12月当月降水量、蒸发量、人工开采量和前月平均地下水埋深4个参数作为输入,当月平均地下水埋深作为输出,建立浅层地下水埋深预测模型,并与BP神经网络(BP-ANN)模型和自回归移动平均(ARIMA)模型进行比较,对比分析了三者的建模过程及其模拟精度。结果显示:相比两种ANN模型,ARIMA模型建模过程更为简单,计算效率更高;但WA-ANN模型的拟合精度高于BP-ANN和ARIMA模型,预测效果更好。总体来看,WA-ANN模型在浅层地下水埋深预测中具有一定的应用推广价值。     

基于H-P滤波法、ARIMA和VAR模型的库区滑坡位移综合预测

受库水位涨落及降雨等影响,库区滑坡位移表现出明显的周期性。基于位移时间序列分析,将滑坡监测位移分解为趋势项与周期项之和。趋势项反映滑坡变形的长期趋势,其主要受滑坡本身地质结构等因素影响。周期项反映滑坡变形的波动性,其主要受外部因素影响。以三峡库区巫山塔坪滑坡为例,考虑长江水位与降雨量影响,采用H-P滤波法从滑坡位移中分解出趋势项及周期项,利用差分自回归滑动平均模型（ARIMA）对趋势项进行平稳处理并计算趋势项预测值,利用向量自回归模型（VAR）计算周期项预测值。趋势项预测值与周期项预测值之和为滑坡位移预测值。与实际监测值及多种方法分析比较,表明综合预测所得结果能较好反映滑坡变形的趋势性和波动性,位移预测效果较好。     

震前电离层TEC异常探测新方法

本文提出一种利用时间序列法(ARIMA模型)进行震前电离层异常探测的新方法.首先,对比分析了该方法与传统探测方法(四分位距法、滑动时窗法)预测TEC背景值的精度.结果表明,时间序列法预测背景值的精度要明显高于传统方法,且预报背景值的平均偏差要比传统方法小2倍左右,说明传统探测方法预测的背景值具有较大系统偏差.为更准确地探测震前电离层扰动,除了得到准确的参考背景值,还需得到更加合理的探测限值,由此本文提出一种更为合理的限差确定策略.最后,以2012年1月10日苏门答腊岛7.2级地震为例,利用该方法分析了其震前电离层的异常扰动情况,并验证了该方法的有效性,实验结果表明:在震前第13天、第8~9天、第1~2天和地震当天电离层均会发生较为明显的异常.而且,其正异常(观测值高于正常值)一般发生在震中以北,距发震时间相对较远;负异常(观测值低于正常值)则在震中各方向均会出现,且距发震时间较近.同时,通过对异常结果分时段统计,发现在发震时刻前,距发震时刻越近的时段发生异常的频率越高,此规律将会对未来更为准确的预报发震时段提供重要参考.     

Trend analysis and ARIMA modelling of pre-monsoon rainfall data for western India

Spatial and temporal variability of rainfall over different seasons influence physical, social and economic parameters. Pre-monsoon (March, April and May – MAM) rainfall over the country is highly variable. Since heat lows and convective rainfall in MAM have an impact on the intensity of the ensuing monsoons, hence the pre-monsoon period was chosen for the study. The pre-whitened Mann Kendall test was used to explore presence of rainfall trend during MAM. The results indicate presence of significant (at 10% level) increasing trend in two stations (Ajmer, Bikaner). The practical significance of the change in rainfall was also explored as percentage changes over long term mean, using Theil and Sen's median slope estimator. Forecast using univariate ARIMA model for pre-monsoon months indicates that there is a significant rise in the pre-monsoon rainfall over the northwest part of the country.     

GM(1,1)分解模型与ARIMA模型在岩溶地下水模拟中的对比研究——以柳林泉流量模拟为例

本文运用GM(1,1)分解模型和ARIMA模型分别模拟柳林泉流量。根据影响特征将泉水流量变化分为两个时段研究:1957—1973年泉水流量处于自然状态;1974—2009年泉水流量受气候变化和人类活动双重影响。运用第1时段的数据建模获得自然状态下泉水流量的模型,将模型外推,获得第2阶段自然状态下泉水流量,然后根据水量平衡原理,减去同期实测流量,获得人类活动对泉水流量衰减的贡献。GM(1,1)分解模型的结果显示,从20世纪70年代到21世纪初柳林泉衰减量为2.26m3/s;ARIMA模型的结果为2.32m3/s;与同期实际衰减量2.27m3/s比,相对误差分别为0.44%和2.20%,表明两种模型都适用于泉水流量的模拟。对比人类活动和气候变化对柳林泉流量衰减的贡献,两个模型得到同样结果,即人类活动的贡献是气候变化的8～9倍。实证研究显示,GM(1,1)模型适用于指数序列的模拟,对具有周期波动的泉水流量,可通过周期修正提高精度;而ARIMA模型能够较好地反映泉水流量相对于降水量的时间滞后效应,能比较准确地模拟泉水流量与降水量的量化关系。