几种统计模型对热带印度洋海温异常的预报

作者：方玥炜; 唐佑民; 李俊德; 刘婷

来源：海洋学研究, 2018, 36(01): 1-15.

• 统计预报
• 印度洋偶极子
• 神经网络
• ENSO

本文利用神经网络模型、多元线性回归模型和马尔科夫模型分别建立了统计预报模型,对热带印度洋海表温度异常(SSTA)和印度洋偶极子(IOD)指数进行了63 a的长时间回报实验,并详细比较了线性和非线性统计预报模型的差异。结果表明:统计模型对IOD指数的预报技巧和现有动力模式预报技巧相差不大,对偶极子指数(DMI)有效预报时效为3个月,东极子指数(EIO)为56个月,西极子指数(WIO)达到89个月。IOD事件强烈的季节锁相特性使得对秋季的DMI指数可以提前4个月做出有效预报。加入同期的ENSO指数来预报IOD指数,能有效地提高IOD预报技巧,特别是对IOD峰值的预报。复杂的神经网络模型和简单的多元线性回归模型在对SSTA和IOD指数的预报具有同等的效果。

• 单位
  国家海洋局第二海洋研究所; 环境科学与工程学院; 卫星海洋环境动力学国家重点实验室