[发明专利]区域气温变化的定量预测方法

说明书

本发明涉及气象学领域，尤其涉及区域气温变化的定量预测方法，包括：针对待预测区域，获取预定时间段内温度的历史数据；采用变分模态分解对历史数据进行数据降噪与特征挖掘，得到历史数据的分量；针对每个分量，建立差分自回归移动平均模型进行预测，得到各分量的预测结果；将各分量的预测结果进行变分模态分解重构，得到待预测区域的预测结果。本发明能够在简化分析过程的基础上减少数据的需求，并且能够满足预测的精度。

技术领域

本发明涉及气象学领域，尤其涉及区域气温变化的定量预测方法。

背景技术

气候变暖是21世纪面临的全球性问题。IPCC第五次评估报告指出，1880年至2012年，全球地表平均气温上涨了0.85℃。全球变暖对水资源供给、物种分布、冰川与海洋生态系统以及农业生产、人类健康等方面均造成明显影响。气候变化实际上是多因子共同作用、多尺度重叠、人类活动和自然因素混杂的过程，除自然因素直接作用以外，人类活动通过影响这些因素而间接改变气候环境，同时气候变化又对人类社会的各个方面产生影响，两者间反馈机制十分复杂。气温变化研究是气候变化研究中的重要组成部分，区域气温变化受全球范围气候变化的影响，但又具有其本身的特点和规律性。分析区域气温历史变化规律，对未来气温变化趋势进行合理的定量预测，可以反映区域气温宏观演变过程以及服务社会生产生活具有重要现实意义。

气温预测相关理论方法主要可分为数值预报方法和统计学方法两个方面。数值预报是目前各国官方机构使用最多的方法，它利用数值计算的方法去求解大气运动的偏微分方程组，将大量的气象观测数据代入到这个方程，通过向前积分天气要素的初值求解出预定时刻的大气状态(气温、压强、风力等)的近似值。目前已有许多成熟的数值预报模式，如欧洲的全球谱模式TL511L60，日本的全球谱模式和远东区域谱模式，美国的NCEP模式(National Center for Environmental Prediction model)、CESM(Community EarthSystem model)模式，中国国家气象局的T213和T639模式、中国科学院大气物理硏究所研究的多层大气环流模式、海气耦合气候模式等。数值预报方法可以较准确地模拟各个时期的大气环境，但建立相应模式需要大量的气象观测数据和专业的气象分析模型。

统计学方法基于大量实地观测数据利用数理统计方法挖掘数据的规律从而进行拟合和预测，方法简单且需要的数据较少，但预测精度往往不高。随着对预测精度要求的提高，传统的统计分析方法无法满足对气候系统的拟合和对气象因素的预测，研究者开始引入新的理论与模型。Paulo AA等(2005)将非齐次马尔科夫链和对数线性模型相结合，根据降水量和气温数据实现了干旱监测和预警，模型中长期预测效果较好，但由于马尔可夫转移概率矩阵具有较强的对角线趋势，短期预测往往重复现状，效果较差。Ortiz-García EG等(2012)使用支持向量机回归算法结合Hess-Brezowsky分类进行局部极短期(6小时)气温预测，验证了方法的可行性。叶立明等(2013)提出一种基于确定性和随机时间序列的温度预测模型，使用多项式函数和傅里叶方法结合季节性自回归移动平均建模方法预测全球毎月绝对温度，该模型的计算较为复杂，适用于短期预测。

由于影响区域气温变化的因素众多，且相互作用关系较为复杂，建立系统的相关关系较为困难。但若直接使用历史观测数据，又存在较大波动，数据噪声弱化了气温序列中反映的信息，导致预测精度较低。因此，需要引入新的模型和方法，既能减少数据需求，简化系统分析过程，同时也能满足较好的预测精度。

发明内容

本发明提供的区域气温变化的定量预测方法，其能够在简化分析过程的基础上减少数据的需求，并且能够满足预测的精度。

本发明提供的区域气温变化的定量预测方法，包括：

针对待预测区域，获取预定时间段内温度的历史数据；

采用变分模态分解对历史数据进行数据降噪与特征挖掘，得到历史数据的分量；