科研之友
微信
新浪微博
Facebook
分享链接
摘要
慢特征分析方法(Slow Feature Analysis, SFA)是从已知的非平稳时间序列中提取缓变信息的有效方法。本文首先通过Logistic非平稳时间序列模型对SFA方法提取慢特征信息的能力进行了检验，然后以哈尔滨市为黑龙江省代表站，对月气温距平序列进行慢特征信号提取及预测研究。结果表明：慢特征分析方法可以有效地提取哈尔滨市气温距平序列中的慢特征信号。提取的慢特征信号能够反映原序列的变化趋势、极值等信息。拟合和预测试验表明，与平稳性模型相比，引入SFA信号后的气温预测模型可以在一定程度上提高预测能力，改善预测效果。对近48个月独立样本预测也得到相同结论。
-
单位北京市气候中心; 哈尔滨市气象台
