论文部分内容阅读
采用奇异谱分析方法研究了ENSO指数及相关序列, 结果表明奇异谱分析能很好的对原始序列进行信噪分离, 增大了ENSO指数的可预报性.在此基础上, 提出了人工神经网络和奇异谱分析相结合的ENSO指数预测方法, 进行了不同因子组合的预报试验, 预报效果明显优于持续性预报, 超前4季的Nio 3区、 Nio 4区预报相关系数仍高于0.5.