10.3969/j.issn.1673-503X.2022.03.018
基于慢特征分析的哈尔滨市气温预测研究
慢特征分析方法(Slow Feature Analysis,SFA)是从已知的非平稳时间序列中提取缓变信息的有效方法.本文首先通过Logistic非平稳时间序列模型对SFA方法提取慢特征信息的能力进行了检验,然后以哈尔滨市为黑龙江省代表站,对月气温距平序列进行慢特征信号提取及预测研究.结果表明:慢特征分析方法可以有效地提取哈尔滨市气温距平序列中的慢特征信号.提取的慢特征信号能够反映原序列的变化趋势、极值等信息.拟合和预测试验表明,与平稳性模型相比,引入SFA信号后的气温预测模型可以在一定程度上提高预测能力,改善预测效果.对近48个月独立样本预测也得到相同结论.
慢特征分析、非平稳时间序列、气温预测模型
38
P468(气候学)
黑龙江省自然科学基金联合引导项目;国家重点研发计划;黑龙江省气象院士工作站项目
2022-07-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
150-155