南京一月份气温的统计模拟分析开题报告
2021-12-28 21:02:52
全文总字数：5864字
1. 研究目的与意义及国内外研究现状
气温的变化对工农业生产、环境、水资源、人民生活有巨大影响，对气温的建模及预测是近年来相关领域的热点话题。气温异常往往给农业生产带来不可估量的损失，也会直接影响到人们的工作以及生活，因此，对气温进行预测具有重要的意义。
气温预测是是在处理分析实时气温观测的基础上，根据研究区域的气温演变特点，在基于各种天气学原理和数据统计特征的基础上推断未来某一时期内气温发展的可能趋势。气温预测能充分利用有利天气和气候资源，减轻气候灾害对农业及其其他行业经济和社会的影响。天气和气候影响着生态环境、经济和社会生活的各个方面。
本文首先对南京市1985-2010年的月平均气温数据进行处理，尝试建立多种可能的气温预测统计模型，对比分析各种统计预测模型的优缺点、适用性和效果，建立合适的南京一月份月平均气温的理性统计模型。
2. 研究的基本内容
本课题以南京市1985年—2010年的月平均气温资料作为统计基础样本，用2011—2015年的一月份月平均气温资料作为试验样本。
其次，运用时间序列分解法、线性回归法以及灰色系统理论法对所收集的数据进行分析并得出相应的预测公式。
再者，根据预测公式计算出预测值并与真实值相比较，选出拟合效果最好的统计模型作为南京一月份月平均气温的统计模型。
3. 实施方案、进度安排及预期效果
实行方案：
通过查阅书籍、期刊及网络上的一些共享资源，在老师、同学的帮助指导下，运用所学的统计软件完成数据的处理，建立南京市气温预测模型，对比分析各种统计模型的优缺点。
进度：
4. 参考文献
| [1]韩艳,杨龙.保定市2009年冬季气温分析[J].气象与环境科学,2009,(04):20-24. [2]王康. 武汉市气温分布及温度分区预报[A]. 中国气象学会.第27届中国气象学会年会城市气象，让生活更美好分会场论文集[C].中国气象学会:2010:5. [3]刘志宏,郑崇伟,刘寒,李柄更,李然. 近50年大连地区地面气温特征分析[J]. 科技创新导报,2012,(33):136-137. [4]张博宇,高雪娇.榆阳区近62年气温突变分析[J].陕西气象,2014,(06):25-27. [5]李帅,何清,李祥余,易莉.阿勒泰地区近40a气温变化分析及其灰色预测[J].干旱区资源与环境,2007,(07):92-95. [6]唐湘玲,刘卫平.灰色预测模型在阿克苏地区气温预测中的应用[J]. 石河子大学学报; 自然科版, 2008,26(4):411-414. [7]梁健洪. 武汉年平均气温的灰色预测[J]. 气象,1988,(12):18-22. [8]卓景愉,杨德伟,郑维,唐风兰.灰色系统理论在气温超长期预测中的应用[J].八一农学院学报,1988,(02):18-24. [9]蒲吉光,康岚.灰色GM(2,1)模型在气温和降水预测中的应用[J].四川气象,2003,(03):10-12. [10]曹晓宇.气温实时预测方法探究[J].科技视界,2012,(24):134-135. [11]周华任,李浩然,孙学金等.一种基于季节指数的灰色马尔科夫气温预测模型[J].数学的实践与认识, 2016,(04):167-173. [12]刘春玲,李海悦,杜平萍. 东丰县近55年气温变化特征分析[J]. 气象灾害防御,2016,(02):46-48. [13]王华. 用时间序列方法预测阿克苏市气温的年际变化[J]. 新疆气象,2000,(04):8-10. [14]沈艳, 张庆国, 叶静芸. 基于季节ARIMA模型的铜陵市气温序列的预报[J].安徽农业大学学报, 2012, 39(5):837-842 [15]王朋朋,程杰,袁峰,赵士伟,杨健,刘咏. 时间序列模型分析威海市近50年气温变化特征[J]. 南水北调与水利科技,2015,(06):1051-1055. [16]金丽娜, 翟园, 曲静. 西安市各区县气温预测统计方法对比分析[J]. 陕西气象, 2016(4): 31-35. [17]陈德亮,范丽军,符淙斌. 统计降尺度法对华北地区未来区域气温变化情景的预估[J]. 大气科学,2007,(05):887-897. [18]范丽军. 统计降尺度方法集合预估华东气温的初步研究[J]. 高原气象,2010,(02):392-402. [19]陈威霖,江志红,黄强. 基于统计降尺度模型的江淮流域极端气候的模拟与预估[J]. 大气科学学报,2012,(05):578-590. [20] Liu Y H, Guo W D, Feng J M, et al. A summary of methods for statistical downscaling of meteorological data[J]. Advances in Earth Scince, 26(8):837-847. [21]Wang GL, YangPC. A compond reconstructed predict-ion model for nonstationary climate process[J]. International Journal of Climatology, 2005, 25:1263-1277. [20]Chen Y H, Li C L. Parameter estimation and forecast in fractional order ARIMA models [J]. Systems Engineering, 2004, 22(6): 87-90. [22]Fan L, LV C H, Yang B. Trend of temperature in recent 15 years in China[J]. Desert and Oasis Meteorology, 2014,8(5):34-38. [23]Guo L, Chen L C, Fan Q D. The temperature variation in Laiyang for nearly 40 yrars[J]. Scince and Technology Innovation Herald, 2013(3):160.
|
