论文部分内容阅读
利用中国160站逐月降水资料，运用一种基于前馈型人工神经网络的非线性主成分分析方法（nonlinear principal component analysis，NLPCA）研究了中国近50a四季降水异常分布的非线性特征。结果表明，NLPCA有能力表示出更一般的低维结构特征。四季降水的异常分布都具有一定的非线性相关空间结构，其中春夏季节非线性较强，秋冬季节稍弱；四季降水距平的一维NLPCA近似在非线性主成分取极端相反位相时，对应的空间分布型表现出明显的不对称性。四季降水异常的一维NLPCA近似都比传统一维