基于ARIMA模型和GM模型的全球变暖与台风强度的相关性分析

活动的关系。并寻求一种合理的方式来减少它的影响。

1 Pearson相关系数分析法

Pearson系数用于反映两个变量的相似度，可以用来计算两个向量的相似度。[3]计算公式如下：

分子是协方差，分母是两个变量的标准差的乘积。 当两个变量的线性关系增强时，相关系数趋于1或1。 T检验可以用来检验相关系数是否显着。当T小于t（n2）时，相关系数显着。 通过计算数据的Pearson系数并测试相关性，可以获得数据。

2 Spearman相关系数分析法

3 自回归积分滑动平均（ARIMA）与灰色预测（GM）模型

利用自回归和滑动平均法对温度和台风强度进行预测。首先，将按照时间顺序排列的一组观测值定义为时间序列，时间序列模型最重要的特征是识别观测之间的依赖关系。 这是一个动态模型，因而可以应用于动态预测。而传统广泛使用的时间序列分析方法ARIMA（自回归求和移动平均）方法，其基本思想是：对于非平稳时间序列，使用几次差分（称为“求和”）使其成为平稳序列。接着，用ARMA（p，q）模型对平稳序列进行建模，然后通过逆变换得到原始序列。 用一个数学公式来表示这样一个ARIMA（p，d，q）过程如下：

GM模型是通过生成原始数据而创建的微分方程。 灰色理论是将不规则的原始数据转换成规则的生成序列并进行重构，所以GM模型实际上是生成序列模型，一般用微分方程描述[1，2]。 由于GM模型的解是微分方程和指数曲线的解，因此生成序列需要增量且接近指数曲线。 电力系统负荷本身是正的，然后在累积发电之后变成递增的顺序。

4 结果

采用SPSS软件进行Pearson，Kendall和Spearman相关分析以及两组数据的检验，考虑到多种气象现象与气象要素之间的滞后性，台风资料滞后一年。结果显示：在显著水平为0.05的前提下，全球平均气温与台风最低气压通过显著性检验。

在SPSS软件中输入全球平均温度数据，经过反复调试，ARIMA模型设置为（1，1，0），此时R的平方达到了0.833，拟合度较好，AR系数为0.344，在显著水平为0.01情况下，通过显著性检验，同时残差的ACF和PACF图显示较为平稳，所以ARIMA（1，1，0）是合理的。如下图所示：

拟合结果表明拟合效果很好。 以下是未来全球平均温度的灰色系统的结果：

从1949年到2015年，灰色系统拟合程度较好。预测显示，全球平均气温将上升，到2082年，灰色系统预测全球平均气温将上升0.9摄氏度左右，台风数量将下降到每年约9次，而台风的最低气压将上升，到2082年，灰色系统预测最低气压的最大日期为26hpa。 需要说明的是，气压上升意味着台风强度的下降，台风的未来可能会减少。

5 结论

通过分析结果，全球气温与当年飓风的最大强度，正压强度和温度有一定的联系，由于飓风的形成以及海平面温度滞后引起的温度变化，所以当气压与上年的温度相比增强。台风频率与年平均气温呈负相关。对于气温，飓风中心低压和飓风频率估计，预测的温度逐渐上升，而飓风中心最低气压上升，飓风频率下降。 总体而言，可以得出结论，飓风强度随着温度的升高而降低。

参考文献：

[1]吴立广.全球变暖背景下热带气旋强度变化趋势的研究[C].全国热带气旋科学讨论会，2009.

[2]吴胜安，周广庆，穆松宁.中高纬度印度洋海温与西北太平洋夏季台风生成数的相关性[J].气候与环境研究，2013，18（2）：243250.

[3]黄毅，聂文志.Pearson相关系数分析法在西太平洋副高特征量分析中的应用[C].中国气象学会年会，2013.

[4]万黎，毛炳启.Spearman秩相关系数的批量计算[J].环境保护科学，2008， 34（5）：5355.

推荐访问:模型 相关性 台风 强度 变暖