工业化以来全球平均温度上升了1℃北大核心CSCD

全球变暖已经得到了公众、政府机构和科学家的广泛认知[1-3].但是,对于全球是否变暖以及这个变暖是否由人类活动造成,却依然不断受到质疑.这种质疑在2009年达到巅峰,同年出版的非政府间国际气候变化专门委员会(NIPCC)报告[4],对政府间气候变化专门委员会(IPCC)的观点[5]提出全面的质疑.最新的一轮质疑是2012年1月27日《华尔街日报》刊登了Allegre等16位科学家的署名文章[6],认为近10年地球气候没有变暖,呼吁不要压制气候变暖怀疑论者的声音.这说明尽管全球变暖的证据日益增加、全球变暖的观点得到越来越多的承认,但是对全球变暖这个事实的论证却绝不是多余的.     

基于深度学习的全球平均表面温度年际信号时间序列的预测北大核心CSCD

利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。