论文部分内容阅读
由于气候模式的诸多不确定性,统计方法仍是当前气候预测业务的主要手段之一,而传统的统计方法难以很好地对气候系统这一集非线性、非平稳性为一身的多层次系统进行处理。经验模态分解技术(EMD)和其改进型集合经验模态分解(EEMD)是对非线性、非平稳信号进行层次化处理的新方法,为上述问题的解决提供了一种崭新的思路。目前EMD-EEMD方法已在非线性系统分析、地震信号分析、生物医药和经济领域得到了广泛的应用。同时,EMD-EEMD方法也被运用于一些长序列的气候信号分析上,如太阳黑子和旱涝指数序列等。但是,受序列长度的限制,用现有观测资料进行EMD-EEMD分析的并不多见。因此,本文首先选取黄河中上游24站的逐月降水资料,结合组合预报和集合预报思想,基于EMD-EEMD建立了统计预报模型,其中考虑降水序列中的高频部分平稳化程度较低,可预报性较差,对其进行了二次平稳化处理(延拓后的二次EEMD分解),实现对2008-2013年6-8月的降水回报,并用Ps评分检测预报效果。之后为扩展该方法的应用,本文还选取全国160站逐年的夏季降水资料,进一步研究该模型在较短气候序列预报中的应用,并将预报时效从6个月提升至1年。最后,本文选取了降水的多个影响因子,初步探究了各个本征模函数IMF以及趋势项RES和各影响因子之间的对应关系。结果表明:(1)基于EEMD的统计预报模型对气候信号偏弱的黄河中上游地区的夏季降水有着较强的预报能力,PS评分均分可达74.5,其中08年7月和8月的评分最高,均达到了85分以上,在该区域与气候模式和传统统计方法相比具有更高的精度和更好的应用前景;(2)该模型在全国夏季降水的季节预报中也有着良好的表现,PS评分基本稳定在70分以上。总体而言,除华中和华南地区预报值稍微偏大以外,该模型在全国夏季降水的季节预报上有着令人满意的预报能力。(3)初步地看,各本征模函数IMF在周期和相关系数上与相应的降水影响因子有着一定的对应关系。