桂林地区气温与降水量的时间序列预测模型

根据桂林地区2001～2010年各月平均气温和1987～2010年每年6月份降水量的实测数据,利用时间序列的季节指数法和线性外推法分别建立气温预测模型和降水量预测模型,再利用模型对桂林市2011年各月的气温和2011年9、11、12月的降水进行预测,得到比较理想的预测效果.     

全球未来50年平均气温的时间序列分析与预测

近年来,全球气温持续升高引发北极冰川融化,进而导致全球海平面升高的加剧,成为人们关注的热点话题。对全球气温升高的形成机理进行了研究,揭示了它的现状和形成原因。对收集到的全球平均气温距平数据进行了Mann—Kendall突变检验,发现过去100年来全球平均气温并没有发生突变;在此基础上建立了Holt—Winters无季节指数平滑模型,运用matlab软件编程预测出了今后50年全球平均气温的增长趋势。结果显示,今后全球气温还将以0.24℃/10 a左右的速率上升。     

太原市近56年气温变化分析

利用1951-2006年太原气温资料,进行平均气温的年、季、月值的演变分析,指出太原市56年来平均气温以每10年0．26℃的趋势变暖。     

长江源区气温序列趋势变化及突变年份识别

对长江源区气温变化规律的研究,能为该地区气温变化政策的制定提供理论依据.文中以长江源区9个标志性的站点为研究对象,分析其1961-2019年的月均值、月均最高值和月均最低值气温走向,并且运用Spearman相关检验法、Mann-Kendall检验法、线性回归检验法和ArcGIS地图法对长江源区的气温走向进行趋势分析和突...     

1958-2007年重庆气温变化与突变分析

基于重庆市沙坪坝气象站1958-2007年的气温观测资料,应用距平分析法、线性趋势分析法、Mann-Kendall法和灰色系统理论中的差异信息法,对重庆气温的变化趋势和突变进行分析,发现20世纪80年代中期之前重庆气温呈下降趋势,近30年下降了0.454℃,降幅达到了0.151℃/10a,且70年代中期至80年代末期偏冷程度比较明显;20世纪80年代中期之后,重庆气温基本处于上升阶段,20余年气温上升了1.021℃,升幅达到了0.511℃/10a。最后采用Mann-Kendall方法以及差异信息法检测重庆气温的突变,发现1962年1月、1964年2月、1977年1月和1984年1月的月均气温都发生了突变,前两个对应气温由高到低的突变,后两个对应气温由低到高的突变。     

新余市51年气温变化特征分析

根据新余观测站1959~2009年的气温资料,从年平均气温、夏季、冬季平均气温和年平均最高气温、年平均最低气温趋势变化角度对新余51年的气温变化作了全面分析。分析表明：新余市51年来年平均气温、年平均最高气温、年平均最低气温都呈上升趋势,90年代中期之后增温尤其明显。夏季、冬季气温趋势变化中,夏季变暖趋势不明显,冬季变暖趋势显著。     

金融时间序列的多重分形类型的确定

为了探索股票时间序列的无标度性,利用多重分形消除趋势涨落分析的方法(MF-DFA)来研究沃尔玛股票指数(WMT)日收盘价.结果表明沃尔玛股票指数日收盘价的变化具有多重分形的特性.然后,随机打乱时间序列的次序,用MF-DFA方法分析打乱序列的多重分形性质,得出沃尔玛股票指数的多重分形主要是由概率密度函数产生的,分布多重分形占主导地位.比较原始序列和打乱序列的多重分形性质,得出打乱序列的多重分形性弱于原始序列的多重分形性.     

基于Elman神经网络的气温时间序列预测

利用动态递归Elman神经网络的具有结构简单,运算量少,适合于动力系统辩识等特点,对Logistic混沌映射时间序列及气温时间序列进行了预测,并分析了预测误差。结果显示Elman神经网络对非线性时间序列具有良好的预测特性。     

下野地垦区近40年气温变化特征分析

<正>自20世纪80年代以来,许多气候学家对全球气候做了不少研究,指出在过去的100年里,全球平均气温上升了0.3~0.6℃。近40年我国平均气温也以0.04℃/10年的速率上升,年降水量以12.6mm/10年的速率递减。在新疆,近40a北疆年平均气温增温     

近60年西安市极端气温事件变化特征分析

分析西安市近60年极端温度事件的变化特征以及极端温度指数与气温的关系。选取1951—2010年西安市逐日平均气温、日最高气温以及日最低气温资料,采用世界气象组织(WMO)公布的极端温度指数,利用Mann-Kendall(M-K)方法进行极端气温事件分析。认为近60年来,西安年平均气温、年平均最低气温、年平均最高气温呈上升趋势,20世纪90年代增温尤为明显;3种气温的变化趋势除夏季平均最高气温呈下降趋势外,各季节均为上升趋势;年平均气温与极端气温指数之间存在明显的相关性;暖夜日数和暖昼日数呈上升趋势,而霜冻日数、冷夜指数和冷昼日数呈下降趋势,冷夜指数减小、暖夜指数增大的幅度远大于冷昼日数减少的幅度,夜间气温的上升对增暖的贡献更大;极端气温指数的变化存在明显的年际变化特征,并伴有突变发生,西安市气温升高主要发生在20世纪90年代初期。     

空中交通流时间序列的复杂度分析

空中交通系统是复杂的非线性系统,时间序列是研究空中交通系统的有效措施。为了定量分析空中交通的复杂性,首先阐述Lempel-Ziv算法复杂度及其修正复杂度;然后采集三亚01号、02号、04号扇区连续28 d的实际运行数据,构建了空中交通流时间序列;计算了3个扇区交通流时间序列的算法复杂度,并对相关参数的影响进行了分析。计算结果表明,修正的算法复杂度适用于长度较短的时间序列,可用于量化测度空中交通流复杂性;符号化方法、序列长度、时间尺度等对算法复杂度有较大影响。     

算法的时间复杂度分析

算法的时间复杂度是衡量一个算法优劣的重要指标.在总结教学经验的基础上,提出了几种计算时间复杂度的方法.     

基于时间序列分析的地表温度变化过程探讨

地表温度是地表与大气相互作用过程中的最重要的物理学参量之一。然而地表温度是一个动态的热平衡参量,受到地表能量平衡过程特别是大气湍流的影响,是一个动态变化的时间序列过程参量。为研究地表温度受大气湍流影响的机理和规律,选择西藏当雄和北京顺义地区为试验区,开展野外观测试验,对两个试验区的大气湍流通量数据和地表温度连续观测数据进行时间序列分析。定义了一个表征地表温度变化特征的参量——地表温度变化特征量,并通过时间序列分析的方法,分别对两个试验区的数据,建立了传递函数模型,并通过系数的置信区间讨论了两地模型的有效相等性。     

时间序列分析预测

将RFDE(Retarted Functional Differential Equation)和NFDE(Neutral Functional DifferentialEquation)引入到时间序列单元分析预测中,建立了RFDE和NFDE进行预测的理论基础和几个新的预测方法,并解决了其它一些预测方法难以解决的预测问题。     

关于递归算法时间复杂度分析的探讨

通过递归实例,介绍了递归算法时间复杂度的一类分析方法.说明了在分析问题时递归思想的作用,但在问题实现时最好采用非递归算法.     

时间序列分形分析的统计算法研究

用统计物理方法来研究时间序列的分形特征是目前的主流:通过R/S分析来研究时间序列的单分形特征,通过MF-DFA方法和配分函数法来研究其多重分形特征.文章详细介绍了以上三种方法,并阐明了他们之间的联系.考虑到已有算法缺乏统计完整性,在前人的基础上,作者提出了滑动方法,并通过模拟对新旧方法进行了比较,结果显示新方法更有助于提高序列特征研究的准确性.     

多元时间序列聚类算法分析

为解决高多元时间序列聚类算法的问题,采用了一种基于主元分析方法的多元时间序列聚类分析方法,利用MTS序列的前z个主元与每个簇的代表元素之间的Eros距离,将原有的复杂数据降维.在此基础上通过改进K-means算法对选取的多元时间序列的主元进行聚类分析,最后得到K个MTS聚类.理论分析和实验结果表明该算法能有效解决聚类问题.     

时间序列分析的小波方法

本书介绍了时间序列的小波基统计分析方法、离散小波变换理论和算法，给出了时间序列处理技术的算例。为了便于读者自学，本书以附录的形式给出了书中练习的答案，更为方便的是书中所提供的网站，使读者很容易得到书中使用的时间序列、小波和SP编写的软件。     

线要素光滑算法的时间复杂度分析

线要素光滑算法是地图综合及地理信息可视化中的一类重要的算法,它可以实现线状地物的连续化表达,增强地图的表达效果.随着高性能GIS乃至云GIS的飞速发展,如何在并行计算环境和云计算环境中提高线要素光滑算法的效率,满足人们对地图综合的效率和地理信息表达的实时性需求成为该领域发展的关键问题.本文调研了常见的线要素光滑算法,按照拟合方式将算法分类,每一类中选取了一种代表性的算法,对其时间复杂度进行分析,并对这些算法的并行化进行了初步探讨.     

一类混合算法的时间复杂度分析

近年来,许多学者对设计混合算法求解复杂问题感兴趣。混合算法被越来越多的学者所重视。然而,大部分有关混合算法的工作都集中于实验研究,几乎没有混合算法的理论分析工作。本文分析一类混合算法的时间复杂度。这些混合算法是结合两个基本算法而得。通过分析首达时间向量m的∞-范数,我们得到这类混合算法时间复杂度的上下界。这些界是混合算法参数ω与基本算法相应范数的函数。当ω趋于0或1时,这些界是非平凡的。