WCESTWater Conservancy and ElectricPower Science and Technology2995-43712995-438XArt and Design10.61369/WCEST.2025090006Article基于梯度提升机的干旱趋势提取与ARIMA 耦合预测模型研究https://artdesignp.com/journal/WCEST/3/9/10.61369/WCEST.2025090006杨扬,王振霖,刘涛2025392025-09-20为实现对大范围旱情的风险精准管控，对区域尺度气象干旱指数（SPEI）进行精准预测至关重要，本研究构建了一种梯度提升机（GBM）与ARIMA模型相结合的混合预测框架。该框架通过GBM提取SPEI序列的内在长期趋势以构建增强型数据集，利用ARIMA模型捕捉序列围绕该趋势的残差波动。以湖南省为案例进行验证模型基于2012年及之前的数据进行训练，并对2013-2020年的逐月SPEI进行预测。结果表明：模型综合预测性能优异，测试集上的均方根误差（RMSE）为0.47，平均绝对误差（MAE）为0.37，纳什效率系数（NSE）达到0.75，趋势一致性指标高达0.88，能稳定再现湖南省干旱的宏观时空分布格局。ARIMA 模型,梯度提升机,SPEI

[1] 孙嘉敏, 王爱慧. 近120 年中国干旱年际变化特征及主要的影响因子[J].气候与环境研究, 2024, 29(6): 681-694.[2] 高晴, 孙金伟, 赵晓雪, 等. 基于SPEI的中国干旱多尺度时空特征分析[J].节水灌溉, 2024(6): 111-120, 127.[3] 高启慧, 秦圆圆, 梁媚聪, 等. IPCC 第六次评估报告综合报告解读及对我国的建议[J].环境保护, 2023, 51(Z2): 82-84.[4] 李忆平, 张金玉, 岳平, 等. 2022 年夏季长江流域重大干旱特征及其成因研究[J].干旱气象, 2022, 40(5): 733-747.[5]VICENTE-SERRANO S M, BEGUERÍA S, LÓPEZ-MORENO J I. A Multiscalar Drought Index Sensitive to Global Warming: The Standardized Precipitation Evapotranspiration Index[J]. 2010.[6] 谢坤, 丁明军, 张华敏, 等. 基于SPEI指数的鄱阳湖流域近60 a干旱时空变化特征[J].长江流域资源与环境, 2021, 30(8): 2015-2027.[7]王文玉, 李涛, 高泽海, 等. 西北干旱地区气象干旱风险预测模型研究[J]. 中国水土保持科学（中英文）, 2025, 23(1): 117-130.