资源描述：
《近百年全球气温变化及其趋势预测》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、总第97期JUN1No197四川气象2006年第3期Vo1126No13近百年全球气温变化及其趋势预测薛宇峰,杨超梅(广东海洋大学,广东湛江524005)摘要:利用墨西哥帽小波函数分析了近百年来全球气温的变-t22ψ(t)=(1-t)e2(1)化特征,并用气温距平序列的5a滑动平均计算了信噪比(S/对于时间序列f(t),其MexicanHat小波变换定义为在N),验证了气候突变点的位置,同时,利用人工神经网络对MexicanHat小波基函数上的投影:全球气温变化趋势进行了的预测。结果表明,在不同的时间1t-b尺度上气温变化具有不同的特点及突变点;目前全球气温处Wf(a,b)=∫f(t)
2、ψ(a)dt(2)
3、a
4、于偏高阶段,且有持续偏高的趋势。其中,Wf(a,b)是小波变换系数,a为伸缩尺度因子,决关键词:全球气温;小波分析;变化特征;气候突变;趋势预测定小波宽度;b为平移因子,反映小波位移量,a、b∈R,且a≠中图分类号:P4670。根据文献[3],此时扰动周期T与伸缩尺度a的关系为:文献标识码:AT=31974a(3)文章编号:1003-7187(2006)03-0016-04如取定尺度因子a,周期T也就确定了。这样,取不同的尺度因子,就可计算得到一系列小波系数。在小波系数图上近十多年以来,气候异常、灾害频发,对人类社会及自然极值的大小与相应波动的振幅成正比,而波动
5、能量又与振幅生态环境造成了巨大的影响。因此,对近百年来全球气候变的平方成正比,这就说明小波系数极值越大,能量越强,所代化的研究成为大气科学的一个热点,许多学者采用各种方法表的扰动也越强,对应的扰动周期也就越显著。所以,小波对全球及我国的气温变化特征进行了研究。由于小波分析变换的系数可以用于分析气候资料序列中所包含的不同时可以对信号或函数进行多尺度细化分析,在时域和频域内研间尺度下的周期变化特征及可能的气候突变点。对于小波究不同尺度、不同周期随时间的演变规律,弥补了傅里叶变系数曲线的过零点,需要经过检验才能确定其是否为真正的换的不足。而气候变化就具有多时间尺度的特征,因此小波[5]气候突
6、变点。文中采用Yamamoto方法,通过计算气温距变换非常适合于研究气候变化,近几年被引进大气科学领域[1-3]平5a滑动平均序列的信噪比(S/N)来判断小波系数的穿零后,已经取得了一系列的研究成果,成为研究大气多时点是否就是气候突变点:间尺度变化的有力工具。本文利用小波分析的方法,对近百年来全球气候变化进S/N=
7、xb-xa
8、(4)sb+sa行了多时间尺度的分析,并采用人工神经网络模型对气温变式中下标a、b分别表示判断点前10个点和后10个点化趋势进行了预测,以期了解全球气温变化规律及气候突变性,更好地服务于短期气候预测。两个时段;xb、xasb、sa分别表示相应时段样本资料的平均值
9、和标准差。当信噪比数值大于110时认为存在气候突变。1资料与方法1.2BP神经网络简介本文利用文献[4]所建立的1881～2003年共123年的目前,人工神经网络(ANN)方法是国际上多学科发展的全球气温距平资料,采用小波分析方法研究近百年来全球气温多时间尺度的变化特征,并利用BP神经网络模型对气温竞争热点,该方法具有较好的自学习功能和处理非线性问题变化趋势作了定量预测。的能力。由于ANN中采用算法的不同,神经网络又可分为1.1小波分析方法简介多种不同的类型。当前,大气科学领域中使用较多、也最有关于小波变换的原理已有很多论述[1-3],本文不再重成效的是误差反向传播(back-prop
10、agation,简称BP)模型的复,只给出必要的公式。MexicanHat小波函数是Gauss函数神经网络。本文采用的是三层BP神经网络,其数学模型是:的二阶导数,具有简单的显示表达式:y=f(α1x+β1)(5)收稿日期:2006-03-25作者简介:薛宇峰(1967-),男,硕士研究生,讲师,主要从事大气科学、计算机应用的教学与研究,E2mail:xucyufengz@163.com。·16·薛宇峰,杨超梅:近百年全球气温变化及其趋势预测z=f(α2y+β2)(6)规律。然后利用训练获得的连接权和阈值,从输入层经隐含其中,x、y、z分别为输入层、隐含层、输出层上的节点向层到输出层逐
11、层处理-正向传播来获得输出结果;如果输出量,α1、β1分别是输入层与隐含层之间的连接权和阈值,α2、层的实际输出与期望输出之间的误差未达到设定的标准,则β2分别是输出层与隐含层之间的连接权和阈值,f(x)为网络转入反向传播,将误差信号沿原来的连接通路返回,通过反激活函数,采用Sigmoid函数:复修改(迭代)各层节点的连接权值和阀值,逐步减少代价函1数,直到代价函数最终达到最小为止,此时即完成了输入与f(x)=(7)-x1+e输出影射关系的确立
