几种统计模型对热带印度洋海温异常的预报

       摘要: 本文利用神经网络模型、多元线性回归模型和马尔科夫模型分别建立了统计预报模型,对热带印度洋海表温度异常(SSTA)和印度洋偶极子(IOD)指数进行了63 a的长时间回报实验,并详细比较了线性和非线性统计预报模型的差异.结果表明:统计模型对IOD指数的预报技巧和现有动力模式预报技巧相差不大,对偶极子指数(DMI)有效预报时效为3个月,东极子指数(EIO)为5~6个月,西极子指数(WIO)达到8~9个月.IOD事件强烈的季节锁相特性使得对秋季的DMI指数可以提前4个月做出有效预报.加入同期的ENSO指数来预报IOD指数,能有效地提高IOD预报技巧,特别是对IOD峰值的预报.复杂的神经网络模型和简单的多元线性回归模型在对SSTA 和IOD指数的预报具有同等的效果.

作者:
方玥炜 唐佑民 李俊德 刘婷
单位:
卫星海洋环境动力学实验室,浙江杭州310012;国家海洋局第二海洋研究所,浙江杭州310012 卫星海洋环境动力学实验室,浙江杭州310012;国家海洋局第二海洋研究所,浙江杭州310012;北英属哥伦比亚大学环境科学与工程学院,BC省乔治王子城V2N4Z9
出处:
《海洋学研究》
刊期:
2018年第36卷第1期
基金:
国家自然科学基金面上项目资助(41276029) "全球变化与海气相互作用"专项项目资助(CASI-IPOVAI-06) 国家自然科学基金重点项目资助(41530961) 国家海洋局第二海洋研究所业务专项项目资助(JG1617,JG1619) 卫星海洋环境动力学国家实验室自主课题资助(SOEDZZ1516) 国家重点研发计划资助(2016YFC1401703,2016YFC1401701)

几种统计模型对热带印度洋海温异常的预报

摘要:本文利用神经网络模型、多元线性回归模型和马尔科夫模型分别建立了统计预报模型,对热带印度洋海表温度异常(SSTA)和印度洋偶极子(IOD)指数进行了63 a的长时间回报实验,并详细比较了线性和非线性统计预报模型的差异.结果表明:统计模型对IOD指数的预报技巧和现有动力模式预报技巧相差不大,对偶极子指数(DMI)有效预报时效为3个月,东极子指数(EIO)为5~6个月,西极子指数(WIO)达到8~9个月.IOD事件强烈的季节锁相特性使得对秋季的DMI指数可以提前4个月做出有效预报.加入同期的ENSO指数来预报IOD指数,能有效地提高IOD预报技巧,特别是对IOD峰值的预报.复杂的神经网络模型和简单的多元线性回归模型在对SSTA 和IOD指数的预报具有同等的效果.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.939261s