CAJ | 학술논문

用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变.虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着重重困难.其根本原因是气候系统的混沌分量和非线性/非平稳性等因素在起作用.而现有气候预测的统计方法(主要包括经验统计、数理统计和物理统计等方法)的数学基础却忽略了这些特点,这是因为以现有的科学水平人们不得不假设时间序列是线性和平稳的.实际气候观测序列普遍具有层次性、非线性和非平稳性,这给建立预测方法带来了极大困难.文中构建了一个新的预测模型,即首先利用经验模态分解(empirical mode decomposition, EMD)方法将气候序列作平稳化处理,得到一系列平稳分量-本征模函数(intrinsic mode function,IMF);其次,利用均生函数(mean generate function,MGF)模型获得各分量的初次预测值;最后,在最优子集回归(optimal subset regression,OSR)模型的基础上,通过直接或逐步拟合一部分预测值,构建两种预测方案达到提高预测能力的目的.典型气候序列的预测试验结果表明,具有平稳化的IMF分量,尤其是特征IMF分量有较高的可预测性,它对原序列趋势的预测有重要指示意义. 大力开展气候系统机理和气候层次的研究,并建立相应的气候模式是未来发展趋势.该文是这方面的一个初步尝试,相信该模型能为气候预测(评估)开辟一条新的有效途径.
용통계방법작월、계척도적단기기후내지년제척도적장기기후예측시당전기후예측업무적주요의거,재단시간내저충정황잉연불가능철저개변.수연수치예보모식적예측능력체도료7 d적시효,불과요적분도월、계척도병실현단기기후예측환면림착중중곤난.기근본원인시기후계통적혼돈분량화비선성/비평은성등인소재기작용.이현유기후예측적통계방법(주요포괄경험통계、수리통계화물리통계등방법)적수학기출각홀략료저사특점,저시인위이현유적과학수평인문불득불가설시간서렬시선성화평은적.실제기후관측서렬보편구유층차성、비선성화비평은성,저급건립예측방법대래료겁대곤난.문중구건료일개신적예측모형,즉수선이용경험모태분해(empirical mode decomposition, EMD)방법장기후서렬작평은화처리,득도일계렬평은분량-본정모함수(intrinsic mode function,IMF);기차,이용균생함수(mean generate function,MGF)모형획득각분량적초차예측치;최후,재최우자집회귀(optimal subset regression,OSR)모형적기출상,통과직접혹축보의합일부분예측치,구건량충예측방안체도제고예측능력적목적.전형기후서렬적예측시험결과표명,구유평은화적IMF분량,우기시특정IMF분량유교고적가예측성,타대원서렬추세적예측유중요지시의의. 대력개전기후계통궤리화기후층차적연구,병건립상응적기후모식시미래발전추세.해문시저방면적일개초보상시,상신해모형능위기후예측(평고)개벽일조신적유효도경.