共查询到14条相似文献，搜索用时 250 毫秒
1.
利用慢特征分析法提取二维非平稳系统中的外强迫特征 总被引：1，自引：1，他引：0
慢特征分析法（Slow Feature Analysis,SFA）是一个从快变的信号中提取慢变特征的有效方法,它的提出丰富了人们对非平稳系统外强迫特征的重建手段。本文以Henon映射为基础,构造二维非平稳系统模型,尝试SFA方法在二维复杂非平稳系统中重建外强迫特征的能力。试验表明,SFA方法能够较好地从单时变参数Henon映射中提取出外强迫信号;通过结合小波变换技术,可以还原双时变参数Henon映射中的外强迫信号。另外,本文利用SFA方法重建了北京市气温的外强迫信号,分析其外强迫信号的尺度特征及其可能的物理机制。这些工作将为气候系统驱动力的研究提供新的思路。 相似文献
2.
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
3.
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
4.
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
5.
6.
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
7.
8.
用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变。虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着重重困难。其根本原因是气候系统的混沌分量和非线性/非平稳性等因素在起作用。而现有气候预测的统计方法(主要包括经验统计、数理统计和物理统计等方法)的数学基础却忽略了这些特点,这是因为以现有的科学水平人们不得不假设时间序列是线性和平稳的。实际气候观测序列普遍具有层次性、非线性和非平稳性,这给建立预测方法带来了极大困难。文中构建了一个新的预测模型,即首先利用经验模态分解(em-pirical mode decomposition,EMD)方法将气候序列作平稳化处理,得到一系列平稳分量-本征模函数(intrinsic modefunction,IMF);其次,利用均生函数(mean generate function,MGF)模型获得各分量的初次预测值;最后,在最优子集回归(optimal subset regression,OSR)模型的基础上,通过直接或逐步拟合一部分预测值,构建两种预测方案达到提高预测能力的目的。典型气候序列的预测试验结果表明,具有平稳化的IMF分量,尤其是特征IMF分量有较高的可预测性,它对原序列趋势的预测有重要指示意义。大力开展气候系统机理和气候层次的研究,并建立相应的气候模式是未来发展趋势。该文是这方面的一个初步尝试,相信该模型能为气候预测(评估)开辟一条新的有效途径。 相似文献
9.
小波分析思想在中尺度对流活动研究中的应用 总被引：4，自引：1，他引：4
应用近些年在大气科学领域被广泛采用的小波分析方法,基于小波分析思想提取GMS红外卫星云图中的中-β尺度对流云信息,分析中-β尺度对流活动特征.构造了理想小波函数模板,对四种理想云模型进行了实验分析,建立了小波变换提取云的中心位置和水平尺度等信息的方法.并应用该方法对中-β尺度对流活动实例进行分析和追踪实验.此外,还应用小波分析方法对2001年夏季(6～8月)我国中、东部地区的中-β尺度对流活动进行了统计分析,揭示出了这一区域中-β尺度对流活动的分布规律、强度变化等特征. 相似文献
10.
11.
Almost all climate time series have some degree of nonstationarity due to external forces of the observed system. Therefore, these external forces should be taken into account when reconstructing the climate dy- namics. This paper presents a novel technique in predicting nonstationary time series. The main difference of this new technique from some previous methods is that it incorporates the driving forces in the pre- diction model. To appraise its effectiveness, three prediction experiments were carried out using the data generated from some known classical dynamical models and a climate model with multiple external forces. Experimental results indicate that this technique is able to improve the prediction skill effectively. 相似文献
12.
Most real-world time series have some degree of nonstationarity due to external perturbations of the observed system; external driving forces are the essential reason that leads to the nonstationarity of dynamics system. In this paper, the authors present a novel technique in which the authors incorporate external forces to predict nonstationary time series. To test the effect, the authors also examined two prediction experiments with an ideal time series from a logistic map and a proxy climate dataset for the past millennium. The preliminary results show that the resulting algorithm has better predictive ability than the one that does not consider the external forces. 相似文献
13.
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
14.
于革 《气候变化研究进展》2007,3(1):20-025
白垩纪是地质史上一个典型的温室气候时期，国际上围绕白垩纪气候成因开展了一系列模拟研究。在评述白垩纪古气候模拟的基础上，讨论了气候模式的应用和发展、古气候边界场设置和模拟试验，分析白垩纪温室气体、古地理、古海洋以及海陆生态系统对气候的作用和反馈。这些古气候模拟试验锁定在气候变化的关键时段和驱动因子、测试地球内外动力和地球各圈层反馈作用，可为认识温室气候的成因、探讨气候变化内在机制和预测未来气候提供重要的科学依据。 相似文献