噪声对滑动移除近似熵的影响

受外强迫和仪器本身的测量误差等因素的影响, 观测数据中经常包含噪声和扰动等一些虚假的信息. 针对这一问题, 本文研究了各种不同噪声对滑动移除近似熵的影响. 研究结果表明, 滑动移除近似熵的检测结果受尖峰噪声和高斯白噪声的影响较小, 意味着其具有很强的抗噪能力, 这为该方法在实际观测资料中的广泛应用提供了坚实的实验基础.     

Comparison of performance between rescaled range analysis and rescaled variance analysis in detecting abrupt dynamic change

In the present paper, a comparison of the performance between moving cutting data-rescaled range analysis(MCR/S) and moving cutting data-rescaled variance analysis(MC-V/S) is made. The results clearly indicate that the operating efficiency of the MC-R/S algorithm is higher than that of the MC-V/S algorithm. In our numerical test, the computer time consumed by MC-V/S is approximately 25 times that by MC-R/S for an identical window size in artificial data. Except for the difference in operating efficiency, there are no significant differences in performance between MC-R/S and MC-V/S for the abrupt dynamic change detection. MC-R/S and MC-V/S both display some degree of anti-noise ability. However, it is important to consider the influences of strong noise on the detection results of MC-R/S and MC-V/S in practical application processes.     

非线性动力学方法在气候突变检测中的应用

快速、准确的检测气候突变, 对于我们认识气候系统的变化和对未来气候系统演变趋势的预测有着重要的现实意义和社会经济价值. 本文主要回顾了近年来非线性突变检测技术的主要研究进展及其在实际观测资料中的应用, 其中包括基于气候系统长程相关性的检测方法, 如滑动去趋势波动分析方法、滑动移除去趋势波动分析方法、滑动移除重标极差方法和指纹法等; 以及基于时间序列复杂性的检测方法, 如近似熵方法, Fisher信息和小波Fisher信息等. 此外, 本文还指出发展针对空间场的突变检测技术是未来一个可能的发展方向. 由于空间场所包含的气候系统的演变信息远高于单点时间序列, 空间场的突变检测技术将会使得对气候突变的检测时间大大缩短, 从而使得人们有足够的时间去采取行动, 以便为适应气候突变所带来的新挑战做好准备.     

一种基于重标极差方法的动力学结构突变检测新方法

提出了一种针对相关性时间序列动力学结构突变检测的新方法——滑动移除重标极差分析.数值试验表明,新方法能够准确的检测出理想序列中的动力学结构突变,其检测结果对于子序列的长度依赖性较小,而且具有很强的抗噪能力,弥补了滑动去趋势波动分析的不足. 关键词： 标度指数 滑动移除重标极差分析 滑动去趋势波动分析 动力学结构突变     

Early warning signals of abrupt temperature change in different regions of China over the past 50 years

In this paper, the early warning signals of abrupt temperature change in different regions of China are investigated. Seven regions are divided on the basis of different climate temperature patterns, obtained through the rotated empirical orthogonal function, and the signal-to-noise temperature ratios for each region are then calculated. Based on the concept of critical slowing down, the temperature data that contain noise in the different regions of China are preprocessed to study the early warning signals of abrupt climate change. First, the Mann-Kendall method is used to identify the instant of abrupt climate change in the temperature data. Second, autocorrelation coefficients that can identify critical slowing down are calculated. The results show that the critical slowing down phenomenon appeared in temperature data about 5-10 years before abrupt climate change occurred, which indicates that the critical slowing down phenomenon is a possible early warning signal for abrupt climate change, and that noise has less influence on the detection results of the early warning signals. Accordingly, this demonstrates that the model is reliable in identifying the early warning signals of abrupt climate change based on detecting the critical slowing down phenomenon, which provides an experimental basis for the actual application of the method.     

基于长程相关性特征的北京气候中心气候系统模式对中国气温的模拟性能评估

传统对数值模式模拟效果的评估主要是基于均值、趋势、概率密度分布、极值等方面的特征比较模拟要素与观测值的差异或是通过分析模拟值与观测值之间的相关性来定量判断.这类评估方法主要考虑了模式模拟结果与观测资料在统计上的差异,缺乏对两者在动力学特征上的比较.鉴于此,本文基于气象观测资料演变过程中所展现的长程相关性特征,利用去趋势波动分析方法对观测资料和模式模拟数据进行标度分析,研究模式模拟结果是否具有类似于观测资料中的长程相关性特征,进而通过比较观测资料和模式模拟结果的标度指数,从大气演变的内在动力学特征上对模式模拟性能进行评估.本文对北京气候中心气候系统模式对中国地表气温的模拟性能进行了评估,结果表明,该模式能够较好地反映出中国区域气温要素的长程相关性特征,对东北、西北中东部、江淮、江南东部等地模拟效果较好,但对于青藏高原地区及西北大部、华北、黄淮等地的模拟效果相对较差,其中对青藏高原地区和西北西部的模拟效果最差.     

北京气候中心气候系统模式对中国四季日平均气温的模拟性能评估

利用去趋势波动分析方法对中国四季日平均气温观测资料进行了研究, 发现四季日平均气温均具有很好的长程相关性特征, 中国西部地区尤其是新疆和西藏的长程相关性较强. 基于观测资料中的这种长程相关性特征, 评估了北京气候中心气候系统模式对中国四季日平均气温的模拟性能, 发现该模式能够较好地反映中国四季日平均气温的长程相关性特征. 总体而言, 模式对春季的日平均气温的长程相关性模拟效果最好, 仅对江南地区的长程相关性的模拟较差; 夏季, 模式模拟误差较大的地区包括中国中东部地区及西藏大部, 其中华北南部、黄淮西部、江南大部、华南等地模拟效果最差; 秋季, 模式对东部沿海及东北大部、华北西南部等地模拟的长程相关性偏强, 而在西北大部模拟的长程相关性明显偏弱; 冬季, 除东部沿海地区模拟的长程相关性偏强外, 全国其余大部分地区接近观测或偏弱, 其中西北、西南、华南北部、江南南部、东北北部偏弱明显, 青藏高原西部偏弱最为显著.     

旱涝预测的演化建模方法

发展了一种旱涝预测的演化建模方法, 数值试验结果表明, 该方法能够从历史资料中准确地挖掘出气候要素演化的主要动力学特征, 所建立的模型不仅能够较好地模拟要素的历史演变情况, 而且还能够对未来的演变趋势进行准确的预测. 对于演化建模所得到的误差较大的模型, 对其预测误差序列进行二次演化建模可明显提高模型的预测精度.     

混沌系统中参数估计的演化建模方法

借助于演化算法的自组织、自适应和自学习特征,本文提出了基于演化算法的参数辨识方案,并利用经典的Lorenz方程进行了数值仿真试验,研究了参数辨识方案对于单参数、双参数以及Lorenz系统三个参数完全未知时的性能.数值试验结果表明,新方法能够很好的对未知参数进行较为快速、准确的辨识,但存在对多个参数同时搜索时速度较慢的缺陷.鉴于此,将演化算法变异操作中的参数变异范围附加一种约束机理,试验结果表明,这一约束机理有效地提高了多参数估计中算法的收敛速度.     

基于偏态分布的百分位估计公式的建立

顺序统计量将累积概率与数据排序后的位置建立相关联系,可用于估计数据分布的累积概率.鉴于不同气候要素概率分布存在着不同程度的偏态特征,基于偏态分布条件下的累积概率函数,通过理论推导和数值模拟建立了与偏态指数相关的位置参数的回归模型,从而给出了基于数据偏态特征的经验百分位估计公式.利用1980年-2009年全球夏季逐日平均温度资料,进一步对比分析了偏态百分位估计方法与Jenkinson方法下得到的第90个百分位值所对应的温度排序后位置的差异. 关键词： 顺序统计量 偏态分布 百分位