掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
氣候統計方法和應用 版權信息
- ISBN：9787030792792
- 條形碼：9787030792792 ; 978-7-03-079279-2
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
氣候統計方法和應用 內容簡介
本書是中國科學院大學為氣候研究相關專業研究生開設的一門專業核心課的教材，包含三部分內容。**部分基礎知識：首先從動力學系統理論的新視角引入統計分析的意義，繼而精練總結氣候統計分析必需的基本概念和常用的顯著性檢驗等知識。第二部分經典方法：包括回歸分析、氣候趨勢、氣候場分析和時間序列的信號分解等。第三部分前沿問題：包括非正態變量的趨勢檢驗、氣候場趨勢及其成因分析、非線性信號分解、躍變檢測、非平穩極值擬合、隨機天氣發生器和極端氣候事件的可預測性、氣候序列均一化、氣候變化檢測歸因以及機器學習等。
氣候統計方法和應用 目錄
目錄前言第1章 引論—從氣候躍變說起 11.1 理論背景 11.1.1 氣候變率的周期觀 11.1.2 Lorenz系統的啟示 21.2 氣候躍變定義及實例 31.2.1 冰期循環中的躍變 41.2.2 現代氣候觀測中的年代際氣候躍變 61.3 本書內容概要 7思考題 8第2章 統計量和概率分布 92.1 中心統計量 92.2 變幅統計量 112.3 分布形態統計量 122.4 經驗分布 132.4.1 柱狀圖 132.4.2 經驗累積頻率分布圖 142.4.3 盒須圖 152.5 相關 162.5.1 標準化距平 162.5.2 散點圖 172.5.3 Pearson線性相關 172.5.4 Spearman秩相關 182.5.5 自相關 182.6 理論分布 182.6.1 二項式分布 192.6.2 幾何分布 192.6.3 泊松分布 192.6.4 連續分布的概率密度函數和累積分布函數 202.6.5 正態分布 212.6.6 Gamma分布 222.6.7 極值分布 232.6.8 分位數對比圖 25思考題 26第3章 顯著性檢驗 283.1 基本概念 283.2 參數檢驗 293.2.1 單樣本均值的顯著性檢驗 293.2.2 雙樣本均值差異的顯著性檢驗 303.2.3 單樣本的方差顯著性檢驗 313.2.4 雙樣本的方差顯著性檢驗 313.2.5 相關系數的顯著性檢驗 323.3 擬合優度檢驗 323.3.1 卡方檢驗 323.3.2 K-S檢驗 333.3.3 Smirnov檢驗 333.3.4 Anderson-Darling檢驗 343.4 非#數檢驗 343.4.1 秩和檢驗 353.4.2 符號秩檢驗 363.4.3 Lepage檢驗 373.4.4 雙樣本置換檢驗 383.4.5 單樣本Bootstrap檢驗 393.4.6 雙樣本的Bootstrap檢驗 39思考題 40第4章 回歸分析 424.1 一元線性回歸 424.2 多元線性回歸 454.3 因子篩選和逐步回歸 464.4 偏*小二乘回歸 474.5 正則化回歸 484.5.1 原理 484.5.2應用案例 504.6 Logistic回歸 524.6.1 原理 524.6.2 Logistic回歸系數的含義 544.6.3 回歸系數的檢驗 554.6.4 應用案例 56思考題 57第5章氣候序列的趨勢和檢驗 585.1 氣候序列和噪聲 585.2 氣候趨勢估計方法 585.2.1 線性趨勢 585.2.2 滑動平均 595.2.3 多項式擬合 605.3 趨勢的顯著性檢驗 605.3.1 秩相關系數檢驗 615.3.2 差分平均值檢驗 615.3.3 秩統計量檢驗 615.3.4 Mann-Kendall趨勢檢驗 625.3.5 Spearman秩相關檢驗 625.4 氣候極值指數序列的趨勢分析 63思考題 65第6章 氣候變量場趨勢 666.1 背景問題 666.2 氣候序列的非線性趨勢一三次樣條回歸 686.2.1 簡單趨勢分析方法的問題 686.2.2 三次樣條回歸 696.2.3 全球平均溫度序列的非線性趨勢分析 726.3 氣候場的趨勢格局 756.3.1 廣義加法模型 756.3.2 澳大利亞西南部的降水場趨勢分析 766.4 氣候趨勢場的成因分析 796.4.1 廣義線性模型 796.4.2 歐洲逐日極大風速的變化及成因 82思考題 88第7章 氣候變量場的時空分解 897.1 EOF分析的基本原理 897.2 EOF應用于氣候研究的若干問題 907.2.1 時間變率還是空間格局？ 907.2.2 距平還是標準化距平？ 917.2.3 EOF和PC及有關術語 917.3 EOF分析的應用 927.3.1 典型應用案例分析 927.3.2 應用EOF的注意事項 937.3.3 擴展EOF分析 937.4 旋轉EOF 957.4.1 截斷 957.4.2 REOF 957.4.3 應用案例 967.5 奇異值分解 977.6 氣候分析中的SVD/MCA 99思考題 100第8章 多尺度氣候信號分析 1018.1 時間序列的平穩性 1018.1.1 何謂平穩？ 1018.1.2 平穩化處理 1018.1.3 時間序列分析方法 1028.2 諧波分析 1028.2.1 一個諧波函數表征一個簡單的時間序列 1028.2.2 多個諧波的擬合 1038.2.3 諧波對原序列的貢獻 1058.2.4 假名現象 1058.2.5 離散功率譜 1068.2.6 連續功率譜 1068.2.7 應用案例 1088.3 小波分析 1098.4 集合經驗模分解 1118.4.1 集合經驗模分解的由來和用處 1128.4.2 EMD原理 1148.4.3 EEMD原理 1168.4.4 EEMD代碼和常見問題 1168.4.5 研究案例 118思考題 121第9章 氣候躍變的診斷方法 1229.1 滑動t檢驗 1229.2 滑動F檢驗 1239.3 滑動符號檢驗 1249.4 Mann-Kendall躍變檢測 1259.5 Pettitt 變點檢測 1279.6 標準正態均一性檢驗 1279.7 Buishand范圍檢驗 1289.8 小波檢測 1289.9 氣候變量場中的躍變分析 129思考題 130第10章 氣候極值 13110.1 背景問題 13110.2 氣候平均態和氣候極值 13210.3 從“分布”的視角看氣候變化 13310.4 逐日氣候分布 13510.5 氣候極值指數 13610.6 極值理論分布 13810.6.1 廣義極值分布 13910.6.2 廣義Pareto分布 14110.7 非平穩極值理論 14110.8 用廣義線性模型分析氣候極值變化 143思考題 145第11章 隨機天氣發生器 14611.1 定義、實例及應用場景 14611.1.1 何謂隨機天氣發生器？ 14611.1.2 一個啟發性的SWG 14611.1.3 應用場景 14711.2 隨機天氣發生器的建模 14911.2.1 逐日降水的Markov模型 14911.2.2 包含其他天氣變量的SWG 15211.2.3 隨機天氣發生器的改進 15311.2.4 案例分析 15511.2.5 如何選擇*優模型 15811.3 運用SWG分析季節極端降水的潛在可預測性 159思考題 164第12章 氣候序列的均一化 16512.1 基本概念和理論分析 16512.1.1 均一化方法：從物理到統計 16512.1.2 從理想的非均一氣候序列說起 16612.1.3 從實際案例進一步看均一化的復雜性 16912.2 常用的均一化方法 17112.2.1 標準正態檢驗法 17112.2.2 RHtest方法 17112.2.3 序列均一化的多元分析方法 17212.2.4 更多可用于均一化的統計檢測方法 17412.3 進一步的均一化方法發展 17412.3.1 針對氣候極值的序列均一化 17412.3.2 多要素協同的均一化方法 17712.3.3 均一化結果的不確定性 17912.4 基于均一化資料重新評估近百年中國氣候變暖 18112.4.1 早期研制的中國百年氣溫序列 18212.4.2 基于均一化觀測的中國百年氣溫序列 18312.4.3 20世紀40年代中國并不普遍偏暖 18412.4.4 城市化加劇局部增暖但對全國平均趨勢的影響小 18512.4.5 小結 186思考題 186第13章 氣候變化的檢測歸因 18713.1 檢測歸因的概念 18713.2 長期氣候變化的歸因方法 18813.2.1 基于氣候模式和*優指紋方法 18813.2.2 時間序列方法 19013.3 極端事件的歸因方法 19113.3.1 經驗方法 19113.3.2 基于環流相似的方法 19213.3.3 耦合模式法 19213.3.4 大氣模式法 19313.4 結語 194思考題 195第14章 天氣氣候研究中的機器學習 19614.1 機器學習及其應用簡介 19614.1.1 定義 19614.1.2 機器學習解決天氣氣候問題的優勢 19614.2 統計機器學習 19714.3 深度學習 20014.3.1 神經網絡 20014.3.2 深度學習步驟 20114.3.3 構成深度神經網絡的組件 20514.4 氣候研究中的應用案例 20914.4.1 運用樹模型對降水進行診斷 20914.4.2 運用CNN檢測極端天氣氣候事件 21114.4.3 運用CNN進行季節預測 21314.4.4 運用ConvLSTM進行海溫預報 21414.4.5 運用可解釋性技術對機器學習模型進行解釋 21514.5 未來發展與思考 217思考題 218主要參考文獻 219
展開全部
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
羅曼·羅蘭讀書隨筆-精裝
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
李白與唐代文化
- >
我與地壇
- >
【精裝繪本】畫給孩子的中國神話
- >
姑媽的寶刀
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
