利用1961—2015年国家气象信息中心沈阳站的日平均气温资料、美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的多变量ENSO指数(multivariate ENSO index,MEI)资料等,在分析沈阳地区气温月际变化...利用1961—2015年国家气象信息中心沈阳站的日平均气温资料、美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的多变量ENSO指数(multivariate ENSO index,MEI)资料等,在分析沈阳地区气温月际变化的基础上,结合厄尔尼诺/拉尼娜事件对其影响特征,利用线性倾向估计和非线性自回归(nonlinear auto regressive models with exogenous inputs,NARX)神经网络模型分别对沈阳地区2011—2015年的气温进行预测。结果表明,1961—2015年共计660个月中,沈阳地区11月—3月气温的变异系数在20%以上,远大于其他月份。1961—2015年的厄尔尼诺/拉尼娜事件往往在秋冬季达到最大强度,或为导致沈阳地区11月—3月气温变异增强的原因之一。厄尔尼诺事件结束之后的春季,沈阳地区气温偏低的概率逾70%。沈阳地区气温随MEI变化的线性倾向值为0.98,决定系数为0.98且通过了0.01的可信度检验。利用MEI对沈阳地区的气温进行同期和时滞预测,NARX的预测结果均优于一元线性回归模型。当气温滞后MEI16个月时,两者的相关系数达到最大且通过了0.01的显著性检验,此时回归模型预测的相关系数为0.59,较同期预测提升了79%;NARX预测的均方误差(mean-square error,MSE)为0.49,较同期预测降低了36%,相关系数为0.86,较同期预测提升了8%。展开更多
文摘利用1961—2015年国家气象信息中心沈阳站的日平均气温资料、美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的多变量ENSO指数(multivariate ENSO index,MEI)资料等,在分析沈阳地区气温月际变化的基础上,结合厄尔尼诺/拉尼娜事件对其影响特征,利用线性倾向估计和非线性自回归(nonlinear auto regressive models with exogenous inputs,NARX)神经网络模型分别对沈阳地区2011—2015年的气温进行预测。结果表明,1961—2015年共计660个月中,沈阳地区11月—3月气温的变异系数在20%以上,远大于其他月份。1961—2015年的厄尔尼诺/拉尼娜事件往往在秋冬季达到最大强度,或为导致沈阳地区11月—3月气温变异增强的原因之一。厄尔尼诺事件结束之后的春季,沈阳地区气温偏低的概率逾70%。沈阳地区气温随MEI变化的线性倾向值为0.98,决定系数为0.98且通过了0.01的可信度检验。利用MEI对沈阳地区的气温进行同期和时滞预测,NARX的预测结果均优于一元线性回归模型。当气温滞后MEI16个月时,两者的相关系数达到最大且通过了0.01的显著性检验,此时回归模型预测的相关系数为0.59,较同期预测提升了79%;NARX预测的均方误差(mean-square error,MSE)为0.49,较同期预测降低了36%,相关系数为0.86,较同期预测提升了8%。
