典型文献
基于慢特征分析的哈尔滨市气温预测研究
文献摘要：
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.
文献关键词：
慢特征分析;非平稳时间序列;气温预测模型
中图分类号：
作者姓名：
娄德君;潘昕浓;王冀;张雪梅;高振铎
作者机构：
齐齐哈尔市气象局,黑龙江 齐齐哈尔161006;北京市气象服务中心,北京100089;北京市气候中心,北京100089;哈尔滨市气象台,黑龙江 哈尔滨150028
文献出处：
引用格式：
[1]娄德君;潘昕浓;王冀;张雪梅;高振铎-.基于慢特征分析的哈尔滨市气温预测研究)[J].气象与环境学报,2022(03):150-155
A类：
B类：
慢特征分析,哈尔滨市,预测研究,Slow,Feature,Analysis,SFA,非平稳时间序列,时间序列模型,特征信息,黑龙江省,代表站,月气温,距平,特征信号,信号提取,极值,平稳性,气温预测模型,预测能力,样本预测
AB值：
0.264682
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
