基于启发式分割算法的气候突变检测研究

基于启发式分割算法的气候突变检测研究

ID:34003865

大小:445.30 KB

页数:6页

时间:2019-03-02

基于启发式分割算法的气候突变检测研究_第1页
基于启发式分割算法的气候突变检测研究_第2页
基于启发式分割算法的气候突变检测研究_第3页
基于启发式分割算法的气候突变检测研究_第4页
基于启发式分割算法的气候突变检测研究_第5页
资源描述:

《基于启发式分割算法的气候突变检测研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第54卷第11期2005年11月物 理 学 报Vol.54,No.11,November,2005100023290P2005P54(11)P5494206ACTAPHYSICASINICAn2005Chin.Phys.Soc.3基于启发式分割算法的气候突变检测研究1)2)•1)3)2)3)封国林 龚志强 董文杰 李建平1)(扬州大学物理科学与技术学院,扬州 225009)2)(国家气候中心气候研究开放实验室,北京 100081)3)(中国科学院大气物理研究所东亚区域气候2环境重点实验室,北京 100029)(2005年3月23日收到;2005年4月25日收到修改稿)

2、  气候系统的非线性、多层次性和非平稳性对气候突变的检测方法提出了较高的要求.基于t检验将非平稳序列分割为多个不同尺度的自平稳子序列,BernaolaGalvan提出的启发式分割算法(BG算法),对非平稳时间序列的突变检测效果较好.在BG算法的基础上,通过理想时间序列验证BG算法处理非平稳时间序列的有效性,并对近2000a北半球树木年轮距平宽度序列基于不同层次的思想,检测和分析其中包含的各种尺度的气候突变事件,成功地区分不同尺度的突变.定义的新物理量———突变密度的分析表明,自然因素作用的基础上,人为因素影响的加剧可能导致近1000a来突变密集段和稀疏段分布失衡,这可

3、能是全球变化的重要表现之一.关键词:气候突变,均值段,突变密度,人为因素,全球变化PACC:9260X,9260S气候突变?如何在一定程度上区分人为因素和自然11引言因素对气候的影响?这些问题的解决对人们认识过去、预测未来的气候变化将具有十分重要的现实意气候系统是非线性、多层次的,一般认为从一个义.本文通过理想时间序列来验证BernaolaGalvan[3]层次跳跃到另一个层次就意味着气候发生了突变,提出的启发式分割算法(BG算法)在处理非平稳气候突变是气候系统的非线性的特殊表现形式之时间序列中的有效性.对北半球树木年轮距平宽度一.气候突变现象又称气候变化的不连续性、

4、气候的序列S(t)(A.D11—1980)基于高频和低频序列两部[1]跳跃,是普遍存在于气候系统中的一个重要现份,分别用BG算法对其中包含的气候突变事件进[2]象.冰芯、石笋、孢粉、树轮、动物化石中保留着大行检测和分析,试图区分不同尺度的突变.定义新物量的长期变化的信息.树轮记录还具有分辨率高和理量———突变密度,分析近2000a来突变密集段和记录环境气候信息量大的特点.通过对树轮记录的稀疏段的分布特点,探讨近1000a来,特别是工业革定性、定量分析和应用统计检验方法检测气候突变命以来人为因素影响的加剧可能导致的气候变化.事件,进而用数值模拟等方法找出其发生突变的机理

5、,已在古气候研究中取得了显著的成果.由于气候21Bernaola-Galvan启发式分割算法的系统的复杂性,必然导致这些信息的多尺度性、多层统计意义次性和非平稳性,这无疑大大增加了分析和检测气候突变的难度,对检测的方法也提出了较高的要求.  目前在气候变化中,检测突变的方法主要有:1)地球上的气候变化是由多种因素导致的,主要可以滤波检测法;2)滑动t,F检测法;3)Gramer法;4)分为两大类:1)自然因素,包括太阳活动异常,火山Yamamot法,以及张丕远等的最大概率变点检验方[4][5]爆发等;2)人为因素,包括温室气体的排放、气溶胶法;Yang等的Fisher

6、最优分割法等.但将上述基和下垫面的改变、城市化等.因此选用何种方法检测于线性和平稳过程的方法应用于处理非线性、非平3国家重点发展基础研究项目(批准号:2004CB418300)和国家自然科学基金(批准号:90411008,40325015)共同资助的课题.•E2mail:feng-gl@sina.com11期封国林等:基于启发式分割算法的气候突变检测研究5495[4—6]稳的气候资料时均存在一定的缺陷.Bernaola2P(Tmax)=Prob(T≤Tmax),(3)Galvan在2001年提出的启发式分割算法是一种有P(Tmax)表示在随机过程中取到T值小于等于Tm

7、ax别于上述理论的突变检测方法,其主要思想介绍的概率.一般情况下P(Tmax)可近似表示为[3]如下:2(δv,δ))ηP(Tmax)≈(1-IvP(v+T).(4)max对于一个由N个点构成的时间序列x(t),从左由蒙特卡洛模拟可以得到η=4119lnN-11154,δ=到右分别计算每个点左边部分和右边部分的平均值0140,N是时间序列x(t)的长度,v=N-2,Ix(a,μ1(i)和μ2(i)及标准偏差s1(i)和s2(i),则i点的b)为不完全β函数.我们设定一个临界值P0,如果合并偏差SD(i)为P(Tmax)≥P0,则于该点将x(t)分割成

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。