时间序列分析在气象中的应用

被引：0

作者：

赵玮英

机构：

[1] 扬州大学

关键词：

时间序列; 平稳; 非平稳; ARMA模型; ARIMA模型;

D O I：

暂无

年度学位：

2010

学位类型：

硕士

导师：

宗序平;

摘要：

随着现代科学技术的迅猛发展,系统分析理论也在相应地不断发展和完善.复杂系统的数学建模也吸引了越来越多的关注.特别地,对带有许多不确定因素的复杂系统建立数学模型时经常需要使用概率统计模型.时间序列分析方法这一种强有力的工具,在这类系统建模与分析中起到了极其重要的作用.这种方法在金融分析、信号处理和气象预测等领域已经得到了非常广泛的应用. 随着全球变暖等气候问题的日趋严重,气象数据的研究与分析对于生产实践与社会生活具有越来越重要的意义.本硕士论文将利用时间序列分析的理论与技术对南京以及其他省会城市夏天最高温度的气象数据进行处理与分析,揭示数据的特征并用来进行预测.我们将首先在引言这一章介绍时间序列分析相关背景,所研究的问题以及本论文的主要内容与贡献.在第二章中,运用平稳时间序列建模的原理与方法,我们对南京站点1951-2004年夏季日最高气温数据进行了逐年分析.分析结果显示,1980年、1982年、1986年的温度数据平稳,其余年份的温度数据呈非平稳.另外,我们还对1980年夏季日最高温度序列建立自回归滑动平均模型,采用夏季(5-7月份)前88个数据参与建模,并根据所建模型预测后4天的最高温度.预测值与真实值的一致性展示了所建模型的可靠性. 在第三章中,对南京1951-2004年夏季日最高气温序列中非平稳的序列进行了研究.我们主要根据非平稳的1998年夏季日最高温度数据来做案例分析.我们运用非平稳时间序列分析的原理与方法,对1998年数据给出了详细的建模过程.依然用夏季(5-7月份)前88个数据建模,对模型进行综合分析,并预测后4天的最高温度值,将预测结果与真实值做比较,检验模型的拟合效果.同时我们也对全国省会城市站点的夏季日最高温度数据进行了平稳性分析,并在最后一章对时间序列的可预测性进行了探讨. 我们的研究展示了时间序列分析在气候数据处理中的重要应用,对于其他地区和时段气候数据的分析和预测具有很大的参考价值.

引用

页数：38

共 14 条

[1]

非线性时间序列.[M].陈敏译;范剑青;姚琦伟著;.高等教育出版社.2005,

[2]

应用时间序列分析.[M].王燕; 编著.中国人民大学出版社.2005,

[3]

应用时间序列分析.[M].何书元编著;.北京大学出版社.2003,

[4]

时间序列的理论与方法.[M].[美]PeterJ.Brockwell;RichardA.Davis著;田铮译;.高等教育出版社.2001,

[5]

SAS系统SAS/ETS软件使用手册.[M].高惠璇等编译;.中国统计出版社.1998,

[6]

时间序列分析.[M].安鸿志编著;.华东师范大学出版社.1992,

[7]

时间序列分析的工程应用.[M].杨叔子等著;.华中理工大学出版社.1991,

[8]

时间序列分析.[M].谢衷洁编著;.北京大学出版社.1990,

[9]

时间序列分析引论.[M].()C.查特菲尔德著;骆振华译;.厦门大学出版社.1987,

[10]

概率统计讲义.[M].陈家鼎编.人民教育出版社.1982,

← 1 2 →