基于集成学习方法的西孟加拉地区月降雨长期时空预测
应用统计
2025-12-30 v2 机器学习
摘要
降雨预测在气候适应、农业和水资源管理中发挥着关键作用。本研究开发了西孟加拉19个地区的月降雨长期预测，数据跨越1900-2019年，累计120年的观测记录。将日降雨记录汇总为月度序列，用于预测2011-2019年（108个月）的降雨，同时考虑时序依赖性和地区间的时空相互作用。为处理降雨动态的非线性和复杂结构，我们提出了分层建模框架，将基于回归的年度特征预测与多层感知器（MLP）用于月度预测相结合。年度特征包括年度总量、季节比例、变异性指标、偏度及极端值等，使用回归模型预测这些特征，模型考虑自身滞后及相邻地区的滞后。这些预测结果作为辅助输入馈入MLP模型，后者捕捉月度序列中的非线性时序模式和时空依赖关系。结果表明，分层回归-MLP架构能够提供稳健的长期时空预测，为农业、灌溉规划及水资源保育策略提供了宝贵的决策支持。
引用
@article{arxiv.2510.13927,
title = {Long-Term Spatio-Temporal Forecasting of Monthly Rainfall in West Bengal Using Ensemble Learning Approaches},
author = {Jishu Adhikary and Raju Maiti},
journal= {arXiv preprint arXiv:2510.13927},
year = {2025}
}
备注
25 pages, 22 figures