Univariate modelling of summer-monsoon rainfall time series: Comparison between ARIMA and ARNN - 24/03/10
pages | 8 |
Iconographies | 4 |
Vidéos | 0 |
Autres | 0 |
Abstract |
The present article reports studies to develop a univariate model to forecast the summer monsoon (June–August) rainfall over India. Based on the data pertaining to the period 1871–1999, the trend and stationarity within the time series have been investigated. After revealing the randomness and non-stationarity within the time series, the autoregressive integrated moving average (ARIMA) models have been attempted and the ARIMA(0,1,1) has been identified as a suitable representative model. Consequently, an autoregressive neural network (ARNN) model has been attempted and the neural network has been trained as a multilayer perceptron with the extensive variable selection procedure. Sigmoid non-linearity has been used while training the network. Finally, a three-three-one architecture of the ARNN model has been obtained and after thorough statistical analysis the supremacy of ARNN has been established over ARIMA(0,1,1). The usefulness of ARIMA(0,1,1) has also been described.
Le texte complet de cet article est disponible en PDF.Résumé |
Le présent article rapporte les études pour développer un modèle univarié susceptible de prédire la pluviosité de mousson (juin–août) sur l’Inde. Basées sur les données se rapportant à la période 1871–1999, tendance et stationnarité ont été recherchées au sein de séries temporelles. Après avoir révélé le caractère aléatoire et non stationnaire au sein de celles-ci, les modèles autorégressifs (ARIMA) à moyenne mouvante intégrée ont été explorés et le modèle ARIMA (0,1,1) a été identifié comme un modèle représentatif approprié. En conséquence, un modèle autorégressif à réseau neuronal (ARNN) a été exploré et le réseau neuronal a été essayé en tant que perceptron multicouche avec processus de sélection extensive variable. Finalement, une architecture 3-3-1 du modèle ARNN a été obtenue et après analyse statistique approfondie, la suprématie du modèle ARNN sur le modèle ARIMA (0,1,1) a été établie. L’utilité d’ARIMA (0,1,1) a aussi été décrite.
Le texte complet de cet article est disponible en PDF.Keywords : Univariate model, Stationarity, ARIMA, ARNN, Multilayer perceptron, Rainfall
Mots clés : Modèle univarié, Stationnarité, ARIMA, ARNN, Perceptron multicouche, Pluie
Plan
Vol 342 - N° 2
P. 100-107 - février 2010 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.
Déjà abonné à cette revue ?