Resumen

Este artículo combina la transformada discreta de wavelets (DWT), el modelo autorregresivo de media móvil (ARMA) y el algoritmo XGBoost para proponer un algoritmo híbrido ponderado llamado DWTs-ARMA-XGBoost (DAX) en el análisis de series temporales de temperatura a largo plazo. En primer lugar, este artículo elige los datos de temperatura del 1 al 20 de febrero de 1967 a 2016 de un área montañosa del norte de China como los datos observados. Luego, se utilizan 10 funciones de wavelet discretas diferentes para descomponer y reconstruir los datos observados. A continuación, se construyen modelos ARMA en todos los datos reconstruidos. Por último, se consideran los cálculos de 10 algoritmos DWT-ARMA (DA) y los datos observados como las etiquetas y el objetivo del algoritmo XGBoost, respectivamente. A través del entrenamiento y prueba de datos del algoritmo XGBoost, se pueden calcular los pesos óptimos y la salida correspondiente del modelo h

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Transformada de wavelet; ARMA; Algoritmo XGBoost; Algoritmo híbrido; Análisis de series de temperatura; RMSE
• Keywords:Wavelet transform; ARMA; XGBoost algorithm; Hybrid algorithm; Temperature series analysis; RMSE