非平稳时间序列的区域预测研究

基于重构状态空间理论和嵌入定理,给出一个新的非平稳场时间序列的区域预测方法。该方法将外强迫因子引入到预测模型中,并且将区域内预测相点的周围相点所对应的空间信息也引入到预测模型中。然后利用该方法对33模Lorenz系统得到的"理想"的非平稳场时间序列进行预测实验分析。结果表明,嵌入外强迫因子可以更好地重构出原来的动力系统,有效地提高非平稳时间序列的预测精度;同时引入空间和外强迫信息可以利用空间数据弥补时间序列长度的不足,从而进一步提高预测精度。     

小波功率谱Monte Carlo显著性检验的一个简易方案

对一个气象量时间序列p={P（t）,t=^-1,n},通过相空间中的几何分析直观地阐明了Morlet小波功率谱W（t,k）的计算原理,给出了一个对W（t,k）作Monte Carlo显著性检验的方案。由于该方案中随机序列的产生与分析序列p的理论分布无关,实施简单易行。对6月100hPa南亚高压强度指数序列的小波功率谱显著性检验表明,该方案能充分揭示p中年际、年代际振荡随时间的变化,因而具有实际应用价值。     

时空序列预测误差的敏感性试验分析

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.     

一种动态数据的新建模法及其预报应用

文章提出了一种新的动态数据建模法, 利用观测的数据序列, 先用双向差分原理反导出一个非线性常微分方程。 以此作为微分动力核, 然后运用自忆性原理建立预报模式, 我们称之为数据机理自记忆模式(Data-based Mechanism Self-memory Model), 简称为数忆模式, 缩写为 DAMSM。 多个实例计算表明, 数忆模式的预报准确率是比较令人满意的, 给出了长江三角洲夏季降水年际预报的实例。     

气候时间序列变点的推断

本文研究时间序列的变点问题。所给出的统计方法可用来推断一个时间序列是否存在变点，存在几个变点以及变点在什么位置。这种统计推断方法可用于气候阶段的划分。     

气侯时间序列变点的推断

本文研究时间序列的变点问题。所给出的统计方法可用来推断一个时间序列是否存在变点，存在几个变点以及变点在什么位置。这种统计推断方法可用于气候阶段的划分。     

树木年轮的类型特征及其气候反应规律的研究

利用年轮与气候资料,依据树木气候学、树木生理生态学、森林气象学等原理,通过解析木及干基年轮与各种气候要素的相关统计和模拟分析等方法,揭示了树木年轮类型特征及其气候反应和形成规律;研究了年轮序列以及树木的高、径、材积等生长量序列的年际差异和主要的气候影响因素,给出两个生长阶段。     

利用资料重现厄尔尼诺浑沌特征的相空间投影技术

首次提出了利用一维时间序列重现高维浑沌系统演化特征的相空间投影技术，并用Ｌｏｒｅｎｚ系统的积分序列加以验证。在对东太平洋区域５７个格点月平均海温序列作同样的分析后，发现与之对应的厄尔尼诺现象有着明显的双稳态沉沌特征，该结果与Ｖａｌｌｉｓ通过一个简单海气相互作用模式模拟的结果很接近。     

气候序列的层次结构

一个气候时间序列含有多个时间尺度 ,形成不同尺度的气候层次。气候是冷还是暖是随着尺度而变化的。文中用北半球地表月平均气温气候资料的子波变换分析表明 :气候突变点既随尺度有规律的变化 ,也具有随尺度变化而不变的性质 ,即标度不变性。不论什么尺度 ,气候总是有冷暖之分 ,这种自相似性可以帮助笔者从气候资料的子波变换中建立一个一维映射动力系统 ,它反映出气候突变时间的演变规律和气候的层次结构。     

近百年中国地表气温变化趋势的再分析

重新考虑了1950年前后器测资料的非均一性问题,统一采用最高温度和最低温度计算月平均温度,利用国际上通行的区域平均温度序列计算方法,建立了中国近100年的地表气温序列,并对气温变化趋势进行了再分析.结果表明,自1905年以来中国地表年平均气温明显增暖,升高幅度约为0.79℃,增温速率约为0.08℃/10 a,比同期全球或北半球平均略高.但是,20世纪80年代初以来的增温似乎不比30～40年代明显,而20世纪50～60年代地表气温的变冷却比全球或北半球显著得多.和全球平均温度变化一样,近100年来中国的增温也主要发生在冬季和春季,而夏季却有微弱变凉趋势.新的全国平均气温序列与以往的研究结果比较给出了更高的增温趋势估计值,这主要与采用新的月平均气温统计方法改善了原序列的均一性有关.另一方面,由于早期资料覆盖面积比例低和后期城市化影响等问题,这里给出的增温趋势估计仍然存在着较大的不确定性.     

人工神经网络与遗传算法结合的时间序列预测模式

介绍了遗传算法的基本概念和流程，阐述了人工神经网络作为时间序列预测模式的可行性和不足之处，并提出了人工网络与遗传算法相结合的时间序列预测模式，最后给出了该算法的计算结果，并对结果和模式作了讨论。     

场时间序列预测方法及其预测能力的试验分析

给出场时间序列预测思想的提出及其理论基础,并在此基础上,给出场时间序列预测理论的思路及方法,并针对一个理想混沌时间序列进行预测能力的试验分析.初步结果表明,场时间序列预测方法可以提高单点时间序列的"遍历性",提高预测精度.     

资料序列订正延长程序的设计与实现

介绍了一种短缺站资料用相邻站点资料进行序列订正延长的方法，同时计算了均值、相对变率、８０％保证率。提供了一个实用的应用程序，并对其实现过程和功能给出了详细说明。     

小波网络方法用于时间序列分析中非线性模型的研究

把小波网络方法用于时间序列分析中非线性模型，利用小波网络的非线性逼近能力，构造一个非线性函数，并对温度资料进行处理，得到了较好的拟合效果。     

隐含趋势气候序列的均生函数建模

针对气候序列中有周期性振荡和常含有向上递增或向下递减的倾向，提出对均生函数进行累加延拓，将其与均生函数周期延拓序列一起进行筛选，从而建立优效的预测模型，并给出淮河汛期降水和全球气温序列的建模与预测实例。     

巴州南部农区大风的年代际变化趋势

利用时间序列方法对巴州农区1960～2003年的春夏秋大风日数序列进行分析,计算5a滑动平均值,建立各大风日数5年滑动平均值序列的时间序列预报方程,并对大风日数的年际变化进行预测,预测值和实况值相关较好.     

ARMA序列无条件平方和Box—Jenkins算法的收敛性与误差

给出ＡＲＭＡ序列无条件平方和Ｂｏｘ－Ｊｅｎｋｉｎｓ算法的矩阵表达式，并推出该算法收敛的充分条件和误差估计，同时给出一种减小误差的方法。     

从时间序列中提取维数信息

作者介绍了分形和分维的概念、性质和意义，重点讨论了从一维序列中提取维数信息的，并给出了一些在天气了气候中的应用。     

一种新的长期,超长期预报方法

将历史资料序列换成级序列，将资料历史变化曲线换成级的比值历史变化曲线。从而显著增强预报信息，提高预报能力和具有更准确的预报效果。运用迭加方法提取新的比较短的历史了列并换成比值序列，给出了与预报量有关系的部分已知值，协助逼近确定的预报值。     

从时间序列中提取维数信息

作者介绍了分形和分维的概念、性质和意义，重点讨论了从一维时间序列中提取维数信息的方法，并给出了一些在天气和气候中的应用。