2007/2008年冬季雨雪冰冻灾害的副热带高压环流背景与变异特征

基于NCEP/NCAR提供的1958—2008年逐日再分析资料,对2007/2008年冬季我国雨雪冰冻灾害期间副高指数特征与El Nino/La Nina年平均冬半年副高指数特征以及50a平均冬半年副高指数特征进行对比分析。采用交叉小波和小波相干分析方法,进一步分析了它们之间的相关性和异同性以及对大气环流的影响,揭示了2007/2008年我国南方雨雪冰冻灾害期间副热带高压活动与环流变异特性的一些基本特征,如La Nina事件冬季(尤其是中等强度La Nina事件年份的冬季),副高通常比一般年份副高的平均位置偏北。     

线性参数系统的多新息辨识方法

系统有线性和非线性之分.线性系统有统一的描述形式,非线性系统因类别无数,不可能有统一描述.线性参数系统是一类特殊的非线性系统,它在参数空间上呈现线性特征,介于线性系统与非线性系统之间.针对伪线性参数系统,讨论了基于辅助模型的多新息辨识方法、基于滤波的辅助模型多新息辨识方法、基于模型分解的辅助模型多新息辨识方法、基于滤波的分解多新息辨识方法,并给出了几个典型辨识算法的计算量、计算步骤和流程图.     

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.     

方程误差系统的多新息辨识方法

多新息方法可以用于线性系统和非线性系统的自适应滤波、参数估计、自校正控制、自适应故障检测与诊断等.线性系统包括两种基本类型:方程误差类系统和输出误差类系统.本文将多新息辨识应用到方程误差滑动平均(EEMA)系统(即CARMA系统),研究多新息增广随机梯度算法和多新息增广最小二乘算法,应用到方程误差自回归滑动平均(EEARMA)系统(即CARARMA系统),提出基于分解的多新息广义增广随机梯度算法和基于分解的多新息广义增广最小二乘算法,以及基于滤波的多新息广义增广随机梯度算法和基于滤波的多新息广义增广最小二乘算法.     

西太平洋副热带高压季节内异常活动与亚洲夏季风系统的时延相关特征

基于西太平洋副热带高压的异常活动与亚洲夏季风系统其他成员之间存在着密切联系的天气事实,运用交叉小波的非线性时滞相关分析方法,对东亚夏季风系统成员与西太平洋副热带高压形态和变异的相互影响的基本事实和物理特征进行研究,得到了西太平洋副热带高压与主要的亚洲夏季风系统成员之间基本的关联结构和演变示意图。研究结果揭示了不同的季风子系统对西太平洋副热带高压的影响不同:影响西太平洋副热带高压强度和脊线位置异常变化的是亚洲夏季风系统中的印度夏季风子系统的5个主要成员;而影响西太平洋副热带高压西脊点异常变化的则是亚洲夏季风系统中的另一个子系统——东亚夏季风子系统的5个主要成员。研究揭示了副热带高压与亚洲夏季风系统主要成员之间的时延特征与统计关联特性,为相应的机理研究提供了事实依据。     

多元系统耦合多新息随机梯度类辨识方法

针对多元线性回归系统,利用耦合辨识概念和多新息辨识理论,讨论了多元随机梯度算法、多元多新息随机梯度算法,以及变递推间隔多元多新息梯度算法,进一步分解多元系统为一些子系统,给出了耦合子系统随机梯度算法、耦合随机梯度算法、耦合子系统多新息随机梯度算法、耦合多新息随机梯度算法,并将这些方法推广到多元伪线性滑动平均系统和多元伪线性自回归滑动平均系统.文中给出了几个典型耦合随机梯度算法、耦合多新息随机梯度算法的计算步骤和示意图.     

输入非线性方程误差系统的多新息辨识方法

针对输入非线性方程误差系统,即输入非线性受控自回归系统,研究了基于过参数化模型的多新息辨识方法和基于过参数化模型的递阶多新息辨识方法;研究了基于关键项分离原理的多新息辨识方法;使用辨识模型分解技术,研究了基于关键项分离原理的两阶段多新息辨识方法和三阶段多新息辨识方法.这些方法可以推广到其他输入非线性方程误差系统、输入非线性输出误差类系统、输出非线性方程误差类系统、输出非线性输出类系统、反馈非线性系统等.同时,给出了几个典型辨识算法的计算量、计算步骤和流程图.     

2008年初我国南方雨雪低温天气的中期过程分析Ⅲ:青藏高原-孟加拉湾气压槽

针对2008年1月24日～2月2日我国南方地区雨雪低温过程,分析了其中期演变特征及其可能机理。在亚非副热带地区,Rossby波能量从北非东北侧传播到东亚地区,引起青藏高原附近气压槽的加深和西太平洋副热带高压的加强及北扩,并与亚洲北部的高压脊配合,造成了这次较长时间的雨雪低温过程。东北大西洋和西欧的反气旋式异常环流为亚非副热带急流Rossby波与欧亚高纬度Rossby波活动的主要波源区。在对流层上层,贝加尔湖一带的高压脊在过程之前已形成,而在这次过程中缓慢减弱,来自上游Rossby波能量主要起抵消摩擦耗散的作用。西太平洋副热带高压在偏北位置上维持主要由来自青藏高原和孟加拉湾地区Ross-by波能量的注入所致。亚洲冷高压系统的强度、位置及形态决定了这次我国南方地区低温过程的重要特性。     

江淮梅雨长期变化对太阳活动因子的响应分析

利用美国国家海洋大气局(NOAA)地球物理数据中心(NGDC)1954-2005年太阳黑子数资料,把太阳活动作为地球气候的外强迫因子,采用小波分析和交叉小波分析方法,研究了太阳黑子数与江淮梅雨特征量及西太平洋副热带高压指数的关系。结果表明:太阳活动与江淮梅雨的相关性存在南北差异,北部呈现正相关而南部呈现负相关,且正负相关性在时间序列上保持不变;江淮南部梅雨量与太阳黑子数有稳定的11年共振周期及0.5~1年的相位滞后;西太平洋副热带高压指数与太阳黑子数也有较好的相关关系,说明太阳活动影响地球气候可能存在太阳活动—西太平洋副热带高压—江淮梅雨这样一条过程链。     

类多变量输出误差系统的耦合多新息辨识方法

辅助模型辨识思想、多新息辨识理论、耦合辨识概念是研究复杂多变量系统辨识的新理念和原理.将它们结合起来研究类多变量输出误差系统的辨识问题,提出了多元辅助模型辨识方法、多元辅助模型多新息辨识方法、变递推间隔多元辅助模型多新息辨识方法.为减小算法的计算量和提高参数估计精度,将系统模型分解为一些子辨识模型,应用辅助模型辨识思想、多新息辨识理论、耦合辨识概念,研究和推导了部分耦合辅助模型辨识方法、部分耦合辅助模型多新息辨识方法.讨论了几个典型辨识算法的计算量,给出了参数估计的计算步骤和计算流程图.     

基于交叉小波与小波相干的西太平洋副高与东亚夏季风系统的关联性分析

采用交叉小波变换与小波相干方法,利用NCEP/NCAR 再分析资料以及 NOAA 卫星观测的 OLR 资料,分析了2006年夏季西太平洋副高的异常活动及其与东亚夏季风系统相关的时延位相特征.分析结果表明,副高指数与东亚夏季风系统成员特征指数的交叉小波功率谱和小波相干谱能够有效揭示周期尺度为14～20 d的不同影响因子与副高指数的时频特征和时滞相关性.分析证实,马斯克林高压和南亚高压对副高的西伸、北跳有较好的预报意义;热带ITCZ和副热带高空急流的加强北移与副高脊线的北跳同步;副高北跳利于降水在华南发生,反过来,雨带的产生又有利于副高的进一步西伸.     

系统辨识(8):耦合辨识概念与方法

耦合辨识是系统辨识的一个重要分支,是新近发展和提炼形成的一种辨识概念,主要用于研究结构复杂的参数耦合线性和非线性多变量系统的辨识问题.辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念是本文作者提出的一些新的辨识研究思路、理念和方法,分别能够用于研究存在未知过程变量的不可测系统的辨识,能够提高辨识方法的收敛速度和参数估计精度,能够解决结构复杂、大规模多变量系统及参数耦合多变量系统的辨识问题、减小辨识算法的计算量.首先介绍多变量系统耦合辨识概念,在此基础上讨论多变量系统的几种(全)耦合最小二乘辨识方法、(全)耦合随机梯度辨识方法、部分耦合随机梯度辨识方法、部分耦合最小二乘辨识方法等,最后说明耦合辨识方法可推广用于有色噪声干扰多变量系统的辨识,并列出了一些多变量系统模型结构,阐述了耦合辨识概念可以结合辅助模型辨识思想、多新息辨识理论、递阶辨识原理、迭代搜索原理(梯度迭代、最小二乘迭代、牛顿迭代)等来研究线性或非线性多变量系统的辨识问题.     

辅助模型辨识方法(6):性能分析

辨识方法的性能分析是系统辨识领域的重要而困难的研究课题.新的辨识方法一诞生,就伴随着收敛性分析.辅助模型辨识是辨识的一个分支,辅助模型辨识方法已成为一大类辨识方法族,关于其收敛性也提出了许多课题.本文研究了输出误差系统辅助模型随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息随机梯度算法、变间隔辅助模型随机梯度算法和变间隔辅助模型递推最小二乘算法的一致收敛性,近似分析了Box-Jenkins系统辅助模型递推广义增广最小二乘算法的性能.     

系统辨识(5):迭代搜索原理与辨识方法

递推辨识与迭代辨识构成了两类重要的参数估计方法.递推辨识的递推变量与时间有关,因而可以用于在线估计系统参数;迭代辨识的迭代变量是自然数,与客观世界的时间无关,通常用于离线估计系统参数.基于辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念等辨识方法都可以用递推算法和迭代算法实现.迭代方法渊源很早,如求解矩阵方程Ax=b的雅可比迭代、高斯-赛德尔迭代等.迭代辨识方法主要使用梯度搜索、最小二乘搜索、牛顿搜索原理来实现.为此主要研究了CARMA系统和Box-Jenkins系统的最小二乘迭代辨识方法与梯度迭代辨识方法.这些方法也可推广到其他所有方程误差类系统和输出误差类系统,以及非线性系统.迭代辨识方法通常用于有限量测数据的系统辨识,其收敛性证明是辨识领域极具挑战性的研究课题.     

我国华东地区气候变化与副高指数的小波分析

根据1951～2007年华东地区逐月平均气温和降水资料,在利用连续小波变换对华东地区的降水、气温与副高指数的时频变化特征进行分析的基础上,采用交叉小波变换方法分析了华东地区近57年的气候变化与副高之间的相关关系.结果表明,华东地区气候要素与副高指数距平序列都存在着不同时间尺度的周期分量,并且各周期分量的强度是不同的.其中以2～8年尺度的年际振荡较为明显,10年以上的年代际变化以1980年为突变点.     

辅助模型辨识方法(5):最小二乘辨识

借助于辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究了辅助模型最小二乘辨识方法、辅助模型多新息最小二乘辨识方法、变递推间隔辅助模型最小二乘辨识方法、变递推间隔辅助模型多新息最小二乘辨识方法、等递推间隔辅助模型多新息最小二乘辨识方法,以及有限数据窗最小二乘辨识方法,包括引入加权因子（加权矩阵）、遗忘因子得到的一些相应辨识方法.     

辅助模型辨识方法(4):基本思想与梯度辨识

辅助模型辨识思想是针对系统存在一些不可测变量的辨识问题提出的,它是研究含有未知变量的线性系统、非线性系统辨识的重要手段.本文阐述了辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究辅助模型梯度辨识方法、辅助模型多新息梯度辨识方法、变递推间隔辅助模型多新息梯度辨识方法,以及派生的变递推间隔辅助模型梯度辨识方法、等递推间隔辅助模型梯度辨识方法和等递推间隔辅助模型多新息梯度辨识方法.     

辅助模型辨识方法(1):自回归输出误差系统

研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-Box-Jenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.