慢特征分析法在气象上的应用进展

• 作者: 朱克云 潘昕浓 王革丽 王鹏飞
• 来源期刊: 气象与环境科学
• 学科: 地球科学
• 关键词: 非平稳时间序列 慢特征分析 外强迫信息提取 气候预测
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 综合评述
• 页码范围: 96-101
• 页数: 6页
• 分类号: P468.0
• 字数: 5553字
• 语种: 中文
• DOI: 10.16765/j.cnki.1673-7148.2016.01.013

摘要

气候系统具有非平稳特征,根本原因在于其外强迫随时间发生改变,因此外部驱动力的分析对于理解气候系统的动力学特征至关重要,而如何有效提取系统外部驱动信息是一个亟待解决的前沿科学问题.最近几年,在生物神经学领域中应用的一种提取非平稳信号中外强迫信息的方法——慢特征分析法(Slow Feature Analysis,SFA),在气象领域中也得到了初步成功的尝试,结果显示出此方法对气候系统的外强迫信息分析及有关动力学机制的探究有较好的应用前景.本文主要介绍SFA方法的理论思想及实施步骤,并通过一个理想的非平稳时间序列检验其提取外强迫信息的能力,结果证明在衰减的Logistic模型中,可利用SFA算法提取出模型中的外强迫,且与真实外强迫的相关系数可达0.99;此外,还介绍将该方法应用于Arosa臭氧时间序列,分析其提取的外强迫信息的动力学特征;并介绍了在气候时间序列建模中引入外强迫因子的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱克云	成都信息工程大学大气科学学院高原大气与环境四川省重点实验室	82	518	13.0	19.0
2	王鹏飞	中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室	57	238	11.0	13.0
3	潘昕浓	成都信息工程大学大气科学学院高原大气与环境四川省重点实验室	1	6	1.0	1.0
7	王革丽	中国科学院大气物理研究所中层大气与全球环境探测重点实验室	22	277	9.0	16.0