北太平洋500hpa候高度场的主成分分析

对太平洋500hPa候高度场和距平场进行了主成分分析,得出反映500hPa候高度特征的典型场。指出候高度场的第1特征向量的空间型是季节变化的主要型,它可解释总方差的74.5％,候高度场的其余特征向量与距平场的特征向量是按顺序的对应相似。这些典型场可以很好地描述北太平洋的大气环流特征。距平场的第1特征向量空间型清楚地反映了与厄尔·尼诺现象有关的环流型。     

基于支持向量回归的海面高度统计预报方法研究

本文提出一种基于支持向量回归的统计预报方法,通过经验正交分解对原始数据矩阵进行时空分解,提取出空间模态和时间系数。由于海面高度变化具有非线性、大惯性的特点,对时间系数进行小波分析,能有效滤除其中的高频信号,得到表征海面高度变化的低频信号。利用支持向量回归方法对小波分解后的低频信号构建预报模型。最后,进行小波重构,还原时间序列长度,实现未来7天的海面高度预报。通过黑潮附近海域的海面高度预报结果验证,该预报方法的预报效果优于整合滑动平均自回归预报方法。本文通过机器学习的算法实现了海面高度的预报,为海洋预报方法提供了新的思路。     

分位数回归方法在海平面高度影响因素分析中的应用

将分住数回归理论引入到回归模型中,应用线性条件分位数回归模型分析海平面高度与时间及南方涛动指数之间的线性变化趋势,得到参数估计值.结果表明:年最高海平面高度在不同的分位数下与时间及南方涛动指数变化趋势是不同的,而由最小二乘法回归只能得到平均变化趋势.分位数回归比经典的最小二来回归能够反映更多的局部信息.