6 气候序列周期提取方法

近年来,提取时间序列振荡周期的统计方法发展十分迅速。从离散的周期图、方差分析过渡到连续谱分析。然而,周期图不能处理周期的相位突变和周期振幅的变化。方差分析在具体实施时,对原序列寻找一个隐含的显著周期的统计推断是十分巧妙的,但用剩余序列推断第二和第三个周期时,从假设检验意义上讲,就很牵强。就其结果而言,上述两种方法及经典的谐波分析均是从时间域上研究气候序列中周期振荡的方法,它们将气候序列中的周期性视为正弦波,有其固有的局限性,这里不作介绍。

1807年,法国数学家傅里叶 (J. B. J. Fourier) 提出了在有限时间间隔内定义的任何函数均可以用正弦分量的无限谐波的叠加来表示,这样就出现了与时域相对应的频域。特别是1965年出现快速傅里叶变换以来,使频域分析走向实用并迅速拓展。这里将重点介绍以傅里叶变换概念为基础的功率谱、交叉谱以及以自回归模型为基础的最大嫡谱。

近年来,又出现了研究周期现象的新技术(奇异谱分析)和时频结构分析的新方法(小波分析),使得提取气候序列周期的技术有了新的飞跃,这些内容将在本章进行介绍。


6. 1功率谱


功率谱分析是以傅里叶变换为基础的频域分析方法,其意义为将时间序列的总能量分解到不同频率上的分量,根据不同频率波的方差贡献诊断出序列的主要周期,从而确定周期的主要频率,即序列隐含的`显著周期。功率谱是应用极为广泛的一种分析周期的方法。有关功率谱的概念、谱分解及傅里叶变换的算法,许多书籍中都有详尽的阐述(黄嘉佑等1984)。这里仅给出有关提取显著周期的具体方法、计算流程及结果分析要点。


6.1.1 方法概述


对于一个样本量为n的离散时间序列工 1 , T2 , …",T,可以使用下面两种完全等价的方法进行功率谱估计。
(1)直接使用傅里叶变换。序列x,可以展成傅里叶级数

式中a。 ,ak,b。为傅里叶系数。它们可以由方程(6.2)求得:
 

这里k为波数,k=1,2,…,[n],[表示取整数。不同波数k的功率谱值为
 

(2)根据谱密度与自相关函数互为傅里叶变换的重要性质,通过自相关函数间接做出连续功率谱估计。对一时间序列x, ,最大滞后时间长度为m的自相关系数r(j)(j=0,1,2,…,m)为

式中t为序列的均值,s为序列的标准差。
由下列得到不同波数h的粗谱估计值:

式中r(j)表示第j个时间间隔上的相关函数。在实际计算中考虑端点特性,常用下列形式:
 

最大滞后时间长度m是给定的。在已知序列样本量为n的情况下,功率谱估计随m的不同而变化。当m取较大值时,谱的峰值就多,但这些峰值并不表明有对应的周期现象,而可能是对真实谱的估计偏差造成的虚假现象。当m取太小值时,谱估计过于光滑,不容易出现峰值,难以确定主要周期。因此最大滞后长度的选取十分重要,一般m取为芫~”为宜。
上述两种方法得到的谱估计都与真实谱存在一定误差。因而对粗谱估计需要作平滑处理,以便得到连续性的谱值。常用汉宁(Han-ning)平滑系数
 

来进行平滑。
 

6.1.2计算步骤


上面给出了计算谱估计值的两种方法。那么,如何利用功率谱提取隐含在气候序列中的显著周期呢?下面给出通过自相关系数间接求谱估计值,从而确定显著周期的计算步骤:
(1)据方程(6.4)计算自相关系数。(2)据方程(6.6)计算粗谱估计值。(3)据方程(6.7)计算平滑谱估计值。(4)确定周期。周期与波数k的关系是:
 

(5)对谱估计作显著性检验。为了确定谱值在哪一波段最突出并了解该谱值的统计意义,需要求出一个标准过程谱以便比较。标准谱有两种情况:
①红噪声标准谱:

式中\bar(s)为m+1个谱估计值的均值,即
 

②白噪声标准谱

如果序列的滞后自相关系数r(1)为较大正值时,表明序列具有持续性,用红噪声标准谱检验。若r(1)接近于0或为负值时,表明序列无持续性,用白噪声标准谱检验。
假设总体谱是某一随机过程的谱,记为E(s),则

遵从自由度为v的x2分布。自由度v与样本量n及最大滞后长度m有关,即

给定显著性水平α,查附表4得到x。值。计算

若谱估计值s>s ok,则表明é波数对应的周期波动是显著的。
编制程序计算时,可以给定一显著性水平,如α=0.05,将分布表中对应的不同自由度的值赋予某一数组﹐然后依方程(6.14)计算出s'ok 。
 

6.1.3计算结果分析


将功率谱估计和标准谱绘成曲线图。根据绘出的曲线确定序列的显著周期。首先,看功率谱估计曲线的峰点是否超过标准谱﹐若超过则说明峰点所对应的周期是显著的。这一周期是序列存在的第一显著周期。再从图上找次峰点,再次峰点……看其是否超过标准谱,从中找出第二、第三……显著周期。
应用实例[6.1]取1882—-1995年南方涛动指数序列计算功率谱。n=114,最大滞后长度m取为”。计算时首先对指数序列作10年滑动平均处理。计算标准谱的显著性水平,α取为0.05。计算结果如图6.1所示。横坐标为周期,纵坐标为谱值。
由图6.1可以清楚地看出,在周期长度为6.8年处,功率谱估计值为一峰值且大大超过标准谱,因此6.8年是第一显著周期。其次在6.1和7.5年处,功率谱估计值也超过标准谱。因此,可以确定南方涛动指数存在6~7年左右的周期振荡。另外在4.25年处还有一峰点,谱估计值超过标准谱。可见,南方涛动指数还存在4年左右的另一显著周期。

图6.1 南方涛动指数功率谱(光滑曲线为α=0.05的红噪音标准谱)
 


 

  • 21
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
时间序列周期性和趋势性是时间序列分析中非常重要的两个方面。下面介绍一些常用的时间序列周期性和趋势性提取方法。 1. 移动平均法:移动平均法是一种简单的周期性和趋势性提取方法。它的基本思想是对时间序列进行平滑处理,使得周期性和趋势性更加明显。移动平均法可以分为简单移动平均法和加权移动平均法两种。 2. 指数平滑法:指数平滑法是一种常用的时间序列平滑方法,它的基本思想是将过去一段时间内的数据赋予不同的权重,越近期的数据权重越大。指数平滑法可以用于提取时间序列的趋势性。 3. 季节分解法:季节分解法是一种常用的周期提取方法,它的基本思想是将时间序列分解成趋势性、季节性和随机性三个部分。其中,趋势性表示时间序列的长期变化趋势,季节性表示时间序列周期性变化,随机性表示时间序列的不规则波动。 4. 自回归移动平均模型(ARMA模型):ARMA模型是一种常用的时间序列建模方法,它通过将时间序列表示成自回归和移动平均两个部分的加权和来描述时间序列的趋势性和周期性。ARMA模型可以用于预测未来的时间序列值。 5. 谱分析法:谱分析法是一种利用傅里叶变换来分析时间序列周期性的方法。它可以将时间序列表示成一系列正弦波的和,进而分析时间序列周期性和频谱特性。 这些方法各有优缺点,需要根据具体问题选择合适的方法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

___Y1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值