[发明专利]一种基于自回归移动平均模型的震前红外长波辐射异常信息探测方法

权利要求书

1.一种基于自回归移动平均模型时序预测模型的震前红外长波辐射异常信息探测方法，其特征在于，所述方法包括如下步骤：

1)选取震级大于7.0级且距震中最近且距震前第3至15个月，间隔为1个月的红外OLR建模数据；

2)基于步骤1)中所选震前第3至15个月共13个月的红外OLR建模数据建立时间序列数据，利用时间序列分析法对序列周期进行判别，对该序列进行周期差分运算，直至使其变成平稳序列，并对其进行检验；

3)基于步骤2)中得到的平稳序列，利用ARIMA时序预测模型对其进行拟合和显著性检验，并将通过该检验的建立一个时序红外OLR短期预测模型；

4)利用步骤3)中建立的短期预测模型采用时间序列交叉验证法对其进行建模预测震前1个月的建模背景值，以发震前的时间点为起始点，5天为时间间隔，第30天为终止点。将得到的参考背景值与真实观测值作差，统计得到所占百分比在95％以上的残差值Δ，以此不受扰动正常期参考背景值的残差值Δ作为上下阈值；

5)基于步骤4)中建模预测得到的最佳建模预测区间结果，选取该区间的震前红外OLR样本数据，对新选取的样本数据中的异常数据进行剔除，并利用相邻正常数据内插替换该处异常数据，并利用建立的短期预测模型进行预测得到建模背景值P；

6)计算探测上下阈值L＝P±Δ；

7)将该时期得到的实际观测值与阈值作差得到异常探测结果，超出此范围即为异常扰动。

2.根据权利要求1所述的ARIMA时序预测模型法的震前红外OLR异常信息探测方法，其特征在于，步骤1)中确定大地震的具体方法为：依据地震震级，当震级大于7.0级时确定为大地震；红外OLR数据的位置为震中或者震中附近NOAA格网点。

3.根据权利要求1所述的ARIMA时序预测模型法的震前红外OLR异常信息探测方法，其特征在于，步骤2)中确定建立的红外OLR序列中周期和平稳检验的具体方法为：依据时间序列分析法中自相关图(ACF)和偏自相关图(PACF)来判别其序列周期；依据单位根(P值)检验方法，当P值<0.05，表明该序列为平稳序列。

4.根据权利要求1所述的ARIMA时序预测模型法的震前红外OLR异常信息探测方法，其特征在于，步骤3)中确定利用ARIMA时序预测模型对其进行拟合后通过显著性检验的具体方法为：依据时间序列分析法中白噪声检验法，当白噪声其值大于0.05，表明拟合的模型的残差是白噪声。

5.根据权利要求1所述的ARIMA时序预测模型法的震前红外OLR异常信息探测方法，其特征在于，步骤4)中所占百分比在95％以上的残差值指的是观测值与真值偏差的平方与观测次数比值的平方根RMSE，其用来衡量观测值同真值之间的偏差,能够很好地反映出预测结果的精密程度，计算公式如下：

其中，N是样本量，y_t是时间t的时间序列中红外OLR观测值，是时间t的时间序列中红外OLR预测值。

6.根据权利要求1所述的ARIMA时序预测模型法的震前红外OLR异常信息探测方法，其特征在于，步骤5)中对新选取的样本数据中的异常数据进行剔除的具体方法为：依据震中或者震中附近NOAA格网点红外OLR数据为空值，认为数据异常。