Эмпирико-статистические модели климатических изменений. Земля как климатическая система

Содержание

Слайд 2

Теория

Эмпирика

Физико-математические модели

Стохастические модели

Y=f(t, φ, λ)

Y=f(x1, x2, . . . )

Результаты обработки информации

Теория

Теория

Лекция

Теория Эмпирика Физико-математические модели Стохастические модели Y=f(t, φ, λ) Y=f(x1, x2, .
9. Общая схема. Методы идентификации климатических изменений

Слайд 3

Методология стационарной модели
Основные положения:
однородная выборка,
стационарность основных параметров (среднее и дисперсия),

Методология стационарной модели Основные положения: однородная выборка, стационарность основных параметров (среднее и
случайное событие = характеристике за каждый год,
все свойства цикличности отображаются, как правило, одним параметром (коэффициент автокорреляции между смежными членами ряда)

Краеугольные камни концепции однородной – стационарной выборки
с автокорреляцией

МОДЕЛЬ:
- простая цепь Маркова (время) ,
- однородное распределение с 2-3 параметрами (коллектив)

Слайд 4

Методология динамической модели
- неоднородная выборка,
возможна нестационарность параметров,
случайное событие необязательно 1

Методология динамической модели - неоднородная выборка, возможна нестационарность параметров, случайное событие необязательно
раз в год (погодичное),
цикличность представляется напрямую в виде параметров циклов

Краеугольные камни концепции неоднородной – нестационарной выборки

МОДЕЛЬ:
- Сумма циклических составляющих разного временного масштаба;
- Композиция распределений стационарных компонент + сумма нестационарных компонент

Слайд 5

В. Характеристики циклов многолетних колебаний:
T – период цикла;
A – амплитуда цикла,

В. Характеристики циклов многолетних колебаний: T – период цикла; A – амплитуда

Tup – продолжительность подъема,
Td - продолжительность спада,
Vup – скорость подъема,
Vd - скорость спада,
W - объем цикла.

Случайные события
А. Отдельные события

р.Бурея - Каменка

Б. Внутригодовые обобщения:
- среднегодовые,
среднемесячные,
выборочные в году экстремумы (максимумы и минимумы),
параметры внутригодовой функции

Слайд 6

Общая схема построения модели - Методология

Все пространственно-временные колебания могут быть представлены в

Общая схема построения модели - Методология Все пространственно-временные колебания могут быть представлены

виде трехмерного массива переменных, изменяющихся по осям i, j, k.

Слайд 7

Алгоритм

Стохастическая

Детермин.-стохастическая

Алгоритм Стохастическая Детермин.-стохастическая

Слайд 8

S(Ch) ≤ Δy - динамическая,
Δy < S(Ch) ≤ 100 -

S(Ch) ≤ Δy - динамическая, Δy S(Ch) > 100 - Δy -
Δy - динамико-стохастическая,
S(Ch) > 100 - Δy - стохастическая,
где: S(Ch) - стандарт остаточной дисперсии зависимости
рассматриваемой характеристики (Ch) от времени (t):
Ch = ƒ(t);
Δy - относительная погрешность гидрометеорологической
характеристики (в %).

Вид модели временного ряда

Слайд 9

Предварительные (простые) методы выявления неоднородности

1. Визуальный анализ

2. Метод соответствующих разностей

3. Метод соответствующих

Предварительные (простые) методы выявления неоднородности 1. Визуальный анализ 2. Метод соответствующих разностей
отношений

Чимкент, скорость ветра

январь

июль

год

Перенос
станции

Слайд 10

Однородность

Однородность эмпирического распределения (проверка на отклоняющиеся экстремумы)

Стационарность (однородность во времени) параметров распределения

Однородность Однородность эмпирического распределения (проверка на отклоняющиеся экстремумы) Стационарность (однородность во времени)

(среднее значение и дисперсия).

Статистические методы

Гипотезы эргодичности и стационарности

Температура воздуха в январе (С-Петербург),
+0.8 (1930), -21.4 (1814)

Слайд 11

F=σ2j / σ2j+1
при σ2j >σ2j+1. где σ2j. σ2j+1 – соответственно

F=σ2j / σ2j+1 при σ2j >σ2j+1. где σ2j. σ2j+1 – соответственно дисперсии
дисперсии двух следующих друг за другом подвыборок (j и j+1) объемом n1 и n2

Методы оценки стационарности параметров временных рядов

Критерий Фишера для дисперсий:

Критерий Стьюдента для средних:

где: g – коэффициент, учитывающий влияние асимметрии
исходной совокупности и определяемый по табл.
r – коэффициент автокорреляции между смежными членами
ряда.

где: YcpI. YcpII. σ2I. σ2II – средние значения и дисперсии двух последовательных выборок. n1 и n2 - объемы выборок.

t'б=Ct · tб

где: t'б – критическое значение статистики Стьюдента при наличии автокорреляции,
tб – критическое значение статистики Стьюдента для случайной совокупности при том же числе степеней свободы k= n1+ n2-2;
Ct – переходный коэффициент, определяемый в зависимости от коэффициента автокорреляции

Слайд 12

Методы аппроксимации временных рядов

Методы аппроксимации временных рядов

T

Методы аппроксимации временных рядов Методы аппроксимации временных рядов T

Слайд 13

Методы аппроксимации временных рядов (продолжение)

Методы аппроксимации временных рядов (продолжение)

Слайд 14

Методы выбора эффективной модели временного ряда

- стационарный временной ряд,
- монотонные изменения

Методы выбора эффективной модели временного ряда - стационарный временной ряд, - монотонные
в виде линейного тренда,
ступенчатые переходы от одного стационарного состояния к другому,
гармоническая модель.

Основные модели временного ряда

Равновесная система

внешние факторы

внутреннее состояние системы

Изменение прямой радиации (1) и температуры воздуха (2).

Неравновесная система

t

t

Возникновение аэробной жизни

Эффект Юри

Формирование озоносферы

Слайд 15

1. Стационарный временной ряд

Sr (t) =const, σ(t)=const

2. Модель линейного тренда

Y(t)

1. Стационарный временной ряд Sr (t) =const, σ(t)=const 2. Модель линейного тренда
= b1t +b0

b0 = Ycp - b1tcp

Слайд 16

Расчет тренда в Excel

Расчет тренда в Excel

Слайд 17

Таблица 1.
Проверка коэффициента корреляции на значимость (относительно нуля)

Проверка коэффициента корреляции на значимость

Таблица 1. Проверка коэффициента корреляции на значимость (относительно нуля) Проверка коэффициента корреляции на значимость (относительно нуля)
(относительно нуля)

Слайд 18

3. Модель ступенчатых изменений

мм, январь

Sr1(t1 ) = const1, σ1(t1)=const1,
Sr2(t2 )

3. Модель ступенчатых изменений мм, январь Sr1(t1 ) = const1, σ1(t1)=const1, Sr2(t2
= const2, σ2(t2)=const2.

t1

t2

σ12*(n1-1)+σ22*(n2-1)= SS → min

Алгоритм

1 шаг: n1=n2,
2-ой и другие: n1*= n1 - i (i=1, n/2-2) и затем n1*= n1 + i (i=1, n/2-2)

Слайд 19

4. Гармоническая модель

B1 = (∑ (Yi - Ycp )(Xi - Xcp ))/(∑(Xi

4. Гармоническая модель B1 = (∑ (Yi - Ycp )(Xi - Xcp
- Xcp )2

B0 = Ycp - B1Xcp

Xi=sin(ti/T1)

Статистическая значимость коэффициента B1

B1 /σB1≥ Bкр

σB1 - стандартная случайная погрешность коэффициента B1

для j=1

B1 -2σB1 ≤ B1 ≤ B1+2σB1

для j=2

Слайд 20

Автокорреляционная функция

N=250

rτ =f(τ)

При τ=1

многолетнего ряда среднемесячных температур воздуха января для

Автокорреляционная функция N=250 rτ =f(τ) При τ=1 многолетнего ряда среднемесячных температур воздуха января для Санкт-Петербурга.
Санкт-Петербурга.

Слайд 21

Среднегодовая температура, С.-Петербург

2 3 4 5 6 7 8 9 10

Среднегодовая температура, С.-Петербург 2 3 4 5 6 7 8 9 10
11
12 15 17 20 21 23 25 28 30 35
40 45 50 60 65 70 80 90 100 120

2 4 5 9 10 14 15 18 21 22
23 24 25 26 27 29 31 36 37 38
38 40 43 44 45 47 48 50 56 71

1

2

T Bi

R=0.41

Слайд 22

Относительные погрешности по отношению к стационарной модели

Относительные погрешности по отношению к стационарной модели

Слайд 23

Последовательность выполнения работы
1. Выбрать временной ряд климатической характеристики: многолетний ряд среднемесячная температура

Последовательность выполнения работы 1. Выбрать временной ряд климатической характеристики: многолетний ряд среднемесячная
воздуха или сумм осадков за месяц.
2. Удлинить временной ряд и заполнить пропуски наблюдений по ряду в пункте-аналоге.
3. Построить график временного ряда в редакторе Excel.
4. Рассчитать основные параметры временного ряда: среднее значение (Yср ), дисперсия (σ2Y), среднее квадратическое отклонение (σy), коэффициент автокорреляции между смежными членами ряда (r(1)).
5. Определить коэффициенты модели линейного тренда (2): коэффициенты уравнения регрессии b1, и b0 , коэффициент корреляции R, стандартное отклонение (σε) и дисперсию остатков (σ2ε). Для расчетов можно воспользоваться редактором Excel.
6. Представить модель линейного тренда на графике временного ряда в редукторе Excel.
7. Разбить график временного ряда на две части дате наиболее вероятного ступенчатого изменения. Для каждой из двух частей рассчитать основные параметры выборки: среднее значение, дисперсию, среднее квадратическоне отклонение.
8. Рассчитать стандартное отклонение остатков относительно модели ступенчатых изменений (σступ) по формуле (21).
9. Представить модель ступенчатых изменений на графике временного ряда в редакторе Excel.
10. Рассчитать коэффициенты автокорреляции временного ряда при τ от 1 до 30 по формуле (19) или средствами редактора Excel.
11. Построить график автокорреляционной функции временного ряда (rτ =f(τ)) , в редакторе Excel и на нем выбрать 1-2 наибольших значения.
12. Оценить статистическую значимость коэффициентов автокорреляции, определив критическое значение коэффициента автокорреляции r*(1) по табл.1.
13. Осуществить функциональные преобразования вида Xi=sin(ti/T1) и определить коэффициенты уравнения (8) B1, B2 и B0, коэффициент множественной корреляции R уравнения (8), стандарт остатков (σгар) и остаточную дисперсию уравнения (σ2гар). Для расчетов параметров уравнения с двумя факторами можно применять редактор Excel и е вычислительные статистические пакеты (“Статистика” и другие).
14. Представить модель гармонических колебаний на графике временного ряда в редакторе Excel.
15. Рассчитать относительные погрешности моделей тренда, ступенчатых изменений и гармоник по отношению к стационарной модели по формулам (22) –(24).
16. Рассчитать статистики критерия Фишера по формулам (25) – (27) и сравнить их с критическими значениями при уровне значимости 5% (табл. Критических статистик Фишера из лаб. работы №1).
17. Результаты расчетов пп.15 и 16 представить в таблице

Слайд 24

Результаты лабораторной работы должны быть представлены в файле Word, включающем:
1) таблицу

Результаты лабораторной работы должны быть представлены в файле Word, включающем: 1) таблицу
с многолетним рядом (рядами) анализируемой климатической характеристики;
2) многолетний график ряда наблюдений;
3) многолетний график и его аппроксимация моделью линейного тренда;
4) многолетний график и его аппроксимация моделью ступенчатых изменений;
5) график автокорреляционной функции;
6) многолетний график и его аппроксимация гармонической моделью;
7) таблицы с параметрами моделей линейного тренда, ступенчатых изменений и гармонических колебаний, включающая: коэффициенты уравнений, коэффициенты корреляции, остаточные средние квадратические отклонения и дисперсии, объемы выборок;
8) таблица выбора эффективной модели и ее значимости по отношению к стационарной выборке с результатами расчетов;
9) вывод о наличии или отсутствии климатических изменений в рассматриваемом ряду климатической характеристики.

Слайд 25

1) Таблица с многолетним рядом анализируемой климатической характеристики

Пример. Санкт-Петербург, среднегодовая температура воздуха

1) Таблица с многолетним рядом анализируемой климатической характеристики Пример. Санкт-Петербург, среднегодовая температура воздуха

Слайд 26

2) Многолетний график ряда наблюдений (1835-2009 гг.)

Sr=4.40С , σ=1.280С, n=173 года

2) Многолетний график ряда наблюдений (1835-2009 гг.) Sr=4.40С , σ=1.280С, n=173 года

Слайд 27

3) Многолетний график и его аппроксимация моделью линейного тренда.

R=0.54 > R*=0.15

=1.078

3) Многолетний график и его аппроксимация моделью линейного тренда. R=0.54 > R*=0.15 =1.078

Слайд 28

4) Многолетний график и его аппроксимация моделью ступенчатых изменений.

1835-1914

1915-1987

1988-2009

Tср=3.80C

Tср=4.60C

Tср=6.30C

σ1=1.03
σ12=1.06
n1=80

σ2=1.08
σ22=1.16
n2=72

σ3=1.12
σ32=1.24
n3=21

4) Многолетний график и его аппроксимация моделью ступенчатых изменений. 1835-1914 1915-1987 1988-2009

Слайд 29

5) График автокорреляционной функции

R*=0.15 при α=5%, число степеней свободы = 141 (n-τ-2=173-30-2)

T=24

5) График автокорреляционной функции R*=0.15 при α=5%, число степеней свободы = 141 (n-τ-2=173-30-2) T=24 года
года

Слайд 30

6) Многолетний график и его аппроксимация гармонической моделью.

Tср=0.243sin(t/23)-0.158sin(t/24)+4.407

R=0.12

R=0.12 < R*=0.15

=1.210

6) Многолетний график и его аппроксимация гармонической моделью. Tср=0.243sin(t/23)-0.158sin(t/24)+4.407 R=0.12 R=0.12 =1.210

Слайд 31

7) Таблицы с параметрами моделей линейного тренда, ступенчатых изменений и гармонических колебаний

7) Таблицы с параметрами моделей линейного тренда, ступенчатых изменений и гармонических колебаний
включающие: коэффициенты уравнений, коэффициенты корреляции, остаточные средние квадратические отклонения и дисперсии, объемы выборок.

Характеристики модели линейного тренда

Характеристики гармонической модели

Характеристики ступенчатой модели

Слайд 32

8).Таблица выбора эффективной модели и ее значимости по отношению к стационарной выборке

8).Таблица выбора эффективной модели и ее значимости по отношению к стационарной выборке
с результатами расчетов

9) Вывод о наличии или отсутствии климатических изменений в рассматриваемом ряду климатической характеристики.

Модель ступенчатых изменений эффективнее других и эффективнее стационарной модели на 17.2%.
Однако, отличие от стационарной модели пока не является статистически значимым.

Слайд 33

Оценка эффективности модели линейного тренда (февраль)

ПРИМЕР 2

Аравийский полуостров (температура и осадки)

Оценка эффективности модели линейного тренда (февраль) ПРИМЕР 2 Аравийский полуостров (температура и осадки)

Слайд 34

Оценка эффективности ступенчатой модели (январь)

Оценка эффективности ступенчатой модели (январь)