共查询到15条相似文献，搜索用时 156 毫秒
1.
中国北方地区旱涝的年代际预测分析研究 总被引：15，自引：8，他引：7
基于状态空间重构理论和嵌入定理,给出场时间序列预测模型的建立思路。与单点时间序列预测分析方法相比,场时间序列预测分析方法的优点在于,在寻找吸引子上某个相点的最邻近点及其映象以建立预测模型时,不局限于它自身的时间序列,而是在区域内所有相点的时间序列所构成的整个吸引子上寻找。这样,在一定程度上改进单点时间序列的“遍历性”,以提高预测精度。在此基础上,利用中国北方地区534年旱涝等级资料,对中国北方几个区域年代际尺度的旱涝变化及其极端旱(涝)出现频率进行预测试验分析。 相似文献
2.
气候系统具有非平稳特征,根本原因在于其外强迫随时间发生改变,因此外部驱动力的分析对于理解气候系统的动力学特征至关重要,而如何有效提取系统外部驱动信息是一个亟待解决的前沿科学问题。最近几年,在生物神经学领域中应用的一种提取非平稳信号中外强迫信息的方法——慢特征分析法(Slow Feature Analysis,SFA),在气象领域中也得到了初步成功的尝试,结果显示出此方法对气候系统的外强迫信息分析及有关动力学机制的探究有较好的应用前景。本文主要介绍SFA方法的理论思想及实施步骤,并通过一个理想的非平稳时间序列检验其提取外强迫信息的能力,结果证明在衰减的Logistic模型中,可利用SFA算法提取出模型中的外强迫,且与真实外强迫的相关系数可达0.99;此外,还介绍将该方法应用于Arosa臭氧时间序列,分析其提取的外强迫信息的动力学特征;并介绍了在气候时间序列建模中引入外强迫因子的预测效果。 相似文献
3.
利用33模Lorenz系统得到的"理想"混沌时空序列,作为时空混沌序列"发生器".通过状态空间重构,建立"场时间序列"局域近似预测模型,对资料空间分辨率,资料的长度、噪音,以及模型的参数选取等因素进行敏感性试验分析,了解时空混沌序列预测中误差产生和增长的一些影响因素.得到以下初步结论:对于理想混沌时空序列(33模Lorenz系统)而言,与系统相适应的资料空间分辨率和较长的资料长度都将会提高预测精度;可预报时效与资料长度之间近似服从指数关系.另外,在建立预测模型时,适当的邻近点数目,以及采用二阶映射关系和迭代法都可以有效地改善预测精度.对于加入噪音的混沌时间序列,通过"场时间序列"的局域近似方法和4阶自回归方法的预测试验的对比表明,前者显示了更强的抗"干扰"能力.以上结论可以有分析地应用于短期气候预测中. 相似文献
4.
5.
外强迫随时间的变化对于非平稳系统的影响十分重要,如何从该系统中重构或提取外强迫信息则成为研究其中动力学特征的关键所在。本文基于慢特征分析方法（Slow Feature Analysis,SFA）以连续系统（改变的Lorenz系统）为参考模型,分别讨论在周期型强迫、减弱的周期型强迫、指数衰减型强迫、伴随指数衰减的周期型强迫等条件下,SFA方法对模型中不同强迫信号的提取能力。结果显示,SFA方法能够提取作用于连续系统中的外强迫信息,其提取效果与外强迫的强度、噪声以及嵌入维数m有关:对于越弱的外强迫或者存在越强的噪声干扰,提取效果越差,提取信号中将出现虚假的高频波动;嵌入维数m的增大能在一定程度上提高外强迫信号的提取效果。试验还表明,作用在单一变量上的外强迫会将其驱动信息嵌入于系统中,因此,可以通过SFA分析方法从其他变量中提取其外强迫信号。 相似文献
6.
降水量是重要的预报要素之一,长期的降水预测更是能提前预测旱涝分布情况,为国民经济规划提供依据。但目前为止,长期的降水预测仍缺少客观的预报方法。为此,尝试利用非线性预测模型来预测旬降水量,并将该模型应用于福建平潭,分别用与原始数据的差值、与原始数据的相关系数、均方根误差,以及符号显著性检验方法,讨论了包含外强迫因子的平稳性模型与不包含外强迫因子的非线性模型的预测能力,结果表明:包含外强迫因子的模型第一步预测结果与原始观测数据的相关系数为0.73,不包含外强迫因子的模型第一步预测结果与原始观测数据的相关系数则为0.47。无论是从与原始数据的差值及相关系数,还是均方根误差等方面,外强迫模型都是优于平稳性模型,并且通过符号检验方法可看出两种模型存在差异性,这也说明加入外强迫因子可以有效地提高预测技巧,外强迫因子与状态变量在预测中扮演同等重要的角色。 相似文献
7.
Understanding the dynamical mechanism of year-to-year incremental prediction by nonlinear time series prediction theory 
下载免费PDF全文
下载免费PDF全文 基于年际增量预测(YIP)方法的数学原理,推导得出新的非线性时间序列预测(NP)方法,并从理论上证明了两种预测方法在一定条件下的等效性。以长江中下游地区的夏季降水为例,新的NP方法在使用年际增量作为强迫项时,可以取得与YIP相当的预测效果。而且,通过调整重构维数等参数,能够将预测模型重构于高于一维的相空间中,进而可获得更好的预测效果。研究发现YIP方法除了有物理基础外,还有隐含的动力基础,新NP模型有助于提高短期气候预测的水平。 相似文献
8.
慢特征分析方法(Slow Feature Analysis,SFA)是从已知的非平稳时间序列中提取缓变信息的有效方法。本文首先通过Logistic非平稳时间序列模型对SFA方法提取慢特征信息的能力进行了检验,然后以哈尔滨市为黑龙江省代表站,对月气温距平序列进行慢特征信号提取及预测研究。结果表明:慢特征分析方法可以有效地提取哈尔滨市气温距平序列中的慢特征信号。提取的慢特征信号能够反映原序列的变化趋势、极值等信息。拟合和预测试验表明,与平稳性模型相比,引入SFA信号后的气温预测模型可以在一定程度上提高预测能力,改善预测效果。对近48个月独立样本预测也得到相同结论。 相似文献
9.
基于多时间尺度的回归集成预测模型 总被引：1，自引：0，他引：1
引入能够将非线性、非平稳过程的数据进行线性化和平稳化处理的EMD方法,对广东降水的时间序列进行时间尺度分离,从复杂的非平稳信号中提取相对简单以不同时间尺度振荡的准周期信号,选取能较好描述降水周期特征的IMF分量作为建模备选因子,然后以均生回归、均生相关、韵律拟合误差和拟合误差4种方法构建预测模型,结果得到采用多尺度因子构建的4种单预测模型近10年Ps评分和降水距平符号同号率平均分在68~73分和50%~58%之间,而采用4种模型构建的回归集成模型两种评分方法的平均分分别高达79.8和68.8%,较单一预测模型评分分别提高了近10分和10%以上。将具有降水指示信号的前冬赤道东太平洋海温因子耦合到回归集成预测模型,其Ps评分结果与纯降水集成模型相当,但同号率评分略高3.1%。从而,提取要素序列的多种时间尺度特征,并采用多模型的集成预报,均能有效提高短期气候预测水平。 相似文献
10.
海洋表面温度(Sea Surface Temperature,SST)具有非平稳、非线性的特征,直接将处理平稳数据序列的方法应用到非平稳非线性特征明显的序列上显然是不合适的,预测的误差将会很大。为了提高预测精度,更好地解决非平稳非线性序列预测的问题,本文以东北部太平洋(40°N~50°N、150°W~135°W)区域的月平均海洋表面距平温度为例,首先分别应用集合经验模态分解(EEMD)和互补集合经验模态分解(CEEMD)方法将SST分解为不同尺度的一系列模态分量(IMF),再运用BP(Back Propagation)神经网络模型对每一个模态分量进行分析预测,最后将各IMF预测结果进行重构得到SST的预测值。数值试验的结果表明,CEEMD分解精度比EEMD分解精度高,CEEMD提高了基于BP神经网络的预测精度。系列试验统计分析说明应用这种方法对SST的1年预测是有效的。 相似文献
11.
大气动力学方程组的定性理论及其应用 总被引：9，自引：2，他引：7
基于完整的湿大气动力学方程组,利用无穷维动力系统的新理论和新方法,系统讨论了强迫耗散的非线性大气系统的定性理论及其应用。将完整的强迫耗散非线性湿大气动力学方程组化为Hilbert空间中一个等价的算子方程,研究了算子的性质及其物理意义,在此基础上得到湿大气系统全局吸引子的存在性定理,揭示出系统向外源的非线性适应特征,并把结果推广到有地形动力作用和非定常外源强迫的情形。同时探讨了大气方程组惯性流形的存在,大气多平衡态产生的根源以及强迫、耗散和非线性对系统解的渐近行为的影响。在理论结果的基础上,提出强迫耗散的非线性动力系统中存在三类时间边界层、方程组简化准则、分解算法的算子约束原则以及支撑吸引子基底的少数自由度的构造方法,探讨了理论在非线性发展方程差分格式的设计和计算稳定性分析、多平衡态的数值分析、数值模式延伸预报的改进、短期气候预测以及一类中尺度系统分析与预测中的应用,指出描述长期过程动力学模式的必备条件,给出初值与模式相协调的合理解释。最后,对今后的研究方向作了展望。 相似文献
12.
基于EMD 和集合预报技术的气候预测方法 总被引：3，自引：0，他引：3
气候系统是典型的非平稳性系统,然而对于气候观测数据的处理通常是在时间序列平稳的假定下完成的,比如气温和降水的多步预报,这通常会导致预报准确度较低。为改进该缺陷,首先将非平稳数据序列分解成平稳的、多尺度特征的本征模态函数分量(IMF),再使用数值集合预报与逐步回归分析相结合的方式对每一个IMF 分量构建不同的预报模型,最后线性拟合成预报结果。通过Visual Studio 2008 开发平台使用上述方法建立了一个短期气候预报系统,采用广西区88 个气象站1957—2005 年的2 月距平气温数据进行实际验证。结果表明,相对于普通预测和单一预测方法,加入了EMD 和集合预报技术的方法在仅用历史资料进行多步预测的情况下,对于气候的变化趋势以及突发性气候具有更好的预报能力。 相似文献
13.
慢特征分析（SFA）方法可以从非平稳时间序列中提取出慢变的外强迫信息。近年来,SFA方法被应用于气候变化研究领域,用于探究气候变化的潜在驱动力及相关的动力学机制。本文基于SFA方法,提取全球陆地表面气温（LSAT）的慢变外强迫信息,研究全球LSAT慢变驱动力的空间结构特征及低频变率的主要驱动因子。SFA方法提取的LSAT慢变驱动力与历史时期全球辐射强迫（GRF）和全球海表温度（SST）的主模态（大西洋多年代际振荡AMO、热带太平洋ENSO变率和太平洋年代际振荡PDO）有显著的相关关系,表明全球大部分地区LSAT的变率受到GRF和三个SST模态的显著影响。GRF对LSAT变率的影响有全球一致性的特征,而三个SST模态对LSAT变率的影响则呈现出明显的区域特点。此外,由于SFA方法可以有效降低原始LSAT序列中随机噪声的干扰,GRF和SST模态对LSAT变率的解释方差显著提高,进一步表明GRF和SST模态是全球LSAT低频变率主要的驱动因子。最后,利用历史海温驱动AGCM试验（即AMIP试验）的结果,验证了三个SST模态对区域LSAT变率的显著影响。 相似文献
14.
Shuoben Bi Shengjie Bi Xuan Chen Han Ji Ying Lu 《Asia-Pacific Journal of Atmospheric Sciences》2018,54(4):611-622
Observed climate data are processed under the assumption that their time series are stationary, as in multi-step temperature and precipitation prediction, which usually leads to low prediction accuracy. If a climate system model is based on a single prediction model, the prediction results contain significant uncertainty. In order to overcome this drawback, this study uses a method that integrates ensemble prediction and a stepwise regression model based on a mean-valued generation function. In addition, it utilizes empirical mode decomposition (EMD), which is a new method of handling time series. First, a non-stationary time series is decomposed into a series of intrinsic mode functions (IMFs), which are stationary and multi-scale. Then, a different prediction model is constructed for each component of the IMF using numerical ensemble prediction combined with stepwise regression analysis. Finally, the results are fit to a linear regression model, and a short-term climate prediction system is established using the Visual Studio development platform. The model is validated using temperature data from February 1957 to 2005 from 88 weather stations in Guangxi, China. The results show that compared to single-model prediction methods, the EMD and ensemble prediction model is more effective for forecasting climate change and abrupt climate shifts when using historical data for multi-step prediction. 相似文献
15.
基于EEMD的黄河中上游夏季降水预报方法的研究 总被引：3，自引：0，他引：3
传统的统计方法难以很好的对气候系统这一集非线性、非平稳性为一身的多层次系统进行处理。因此集层次化处理和平稳化处理的集合正交经验模态分解技术(EEMD)的提出,为解决上述问题提供了有效的途径。本文选取黄河中上游24个气象观测站的逐月降水资料,结合组合预报和集合预报思路,基于EEMD建立了统计预报模型。其中对降水序列中的高频部分进行了二次平稳化处理,实现对2008—2013年6—8月的降水预报,并用预报评分检测预报效果。结果表明:EEMD模型对黄河中上游夏季降水有着较强的预报能力,在该区域与气候模式和传统的统计方法相比具有更高的精度和更好的应用前景。 相似文献