降水量受大气环流、地形、气压等各种环境的影响,具有复杂非线性的特征,因此其预测较为困难。早期学者采用单一预测模型取得了较大发展,但精度往往有限。究其原因是,单独采用一种预测方法可能会不得已丢失数据序列中的某些有用信息。近年来,采用组合模型,即把多种单一模型采用恰当方式组合起来预测降水量成为研究焦点。利用组合模型预测时,可以综合各个单一模型的不同优点,并且让各个模型之间互相联系、互相补充,克服缺点,从而全面反映数据序列的信息。如果预测者只选取其中一种预测方法,就有可能丢弃其他部分有用信息,因此把多种单一模型采用恰当方式组合起来就会显得尤其重要。本文针对锡林河流域降水量数据,采用三种单一模型以及三种组合模型预测进行了以下研究,最终计算SARIMA-BP-Markov 模型的 RMSE 为 7.9229,MAE 为 62.9613,模型拟合优度 R2为0.9475,对锡林河流域降水量的预测有效。本文的主要内容包括如下四个方面:(1)对锡林河流域降水量数据进行EMD分解并对分解结果进行时间尺度分析,将分解后的数据序列依据对序列的方差贡献率大小分为高频,低频和趋势项三类,并对分类后的数据序列进行预测。(2)根据时间尺度分析结果分别选取季节性自回归滑动平均模型SAR][MA,BP神经网络以及加权马尔科夫模型进行预测,并选取三种模型的不同组合方式,一种即将三种模型预测结果相加并使用粒子群优化算法进行优化权重。另一种则是原始时间序列通过SARIMA预测后的残差进行BP与加权Markov预测,将得到的结果相加组成最终的预测结果。(3)根据分类结果,分别选取不同的EMD-SVR模型对降水量序列进行预测,并将三类结果相加。(4)上述模型都做相同的一年期,即2016年的降水量预测,并选用三种常用指标,即平均绝对误差(MAE),均方根误差(RMSE)和拟合优度(R2),对模型做综合评估。筛选出了最佳预测模型。