Effective forecast of Northeast Pacific sea surface temperature based on a complementary ensemble empirical mode decomposition-support vector machine method

• 作者: LI Jia-Kang LI Qi-Jie LIAO Hong-Lin ZHAO Ying
• 来源期刊: 大气和海洋科学快报（英文版）
• 关键词: 海洋表面温度 经验模态分解 支持向量机 预测
• 年，卷（期）: 2017,（3）
• 页码范围: 261-267
• 页数: 7页
• 语种: 英文

摘要

海洋表面温度(sea surface temperature,SST)对气候有着很大影响,但其所具有的非线性、无明显周期、强随机性等特点,给SST预测分析带来了很大的困难.本文将互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与支持向量机(support vector machine,SVM)相结合来研究对海洋表面温度异常(SSTA)的预报,并从预报准确性、可预报时长、不同起报时间对预报精度影响等方面设计了多组数值实验.实验结果显示CEEMD-SVM方法预测1 2个月SSTA的效果较好,平均绝对误差在0.3℃左右,相关系数达到了0.85,而且试验中未出现春季预报障碍问题.