气象数据的变结构分析

摘要

变结构分析作为统计学的一个重要课题，在金融、质控、气象等领域被广泛的使用。本学位论文应用变点理论分别对气象数据截面与面板数据进行结构性突变分析，估计并区分了气象数据的气候因素变点与非气候因素变点。
　　第一章首先介绍了变点问题的研究意义，针对变点问题在气象领域的研究进行了描述，简单介绍了单变点、多变点、共同变点问题以及气象变点问题的研究现状。
　　第二章简要介绍了在气象变点分析中有关的Bayes方法、Monte Carlo方法、M-H算法以及ASAMC算法的理论知识及相关算法步骤。
　　第三章针对安徽省1957-2015年多台站的月平均气温，采用ASAMC算法进行变点估计，探究了影响月平均气温结构性变化的气候因素和非气候因素。
　　第四章针对第三章的多个台站月平均气温构成的面板数据，采用均值共同变点检验统计量，对面板数据的共同变点进行估计，同时结合现有的元数据资料对共同变点进行统计分析。
　　第五章基于三参数Weibull分布引入一元线性回归变点估计理论，将其应用于安徽省1980-2016年年最大风速进行变点估计，并结合历史风速资料对估计结果进行研究。
　　第六章总结了本论文所进行的统计研究。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景

1．2 变点问题介绍

1．3 气象变点问题研究现状

1．4 本文主要研究内容

第二章 基本理论

2．1 Bayes理论知识

2．2 Markov Chain Monte Carlo方法

2．3 Metropolis-Hastings方法

2．4 Annealing Stochastic Approximation Monte Carlo算法

2．5 一元线性回归变点模型

第三章 气温数据的多变点研究

3．1 多变点模型描述

3．2 正态性检验

3．3 气温数据的多变点估计

3．4 结果分析

第四章 气温数据的共同变点研究

4．1 共同变点模型

4．2 气温数据的共同变点估计

4．3 结果分析

第五章 基于Weibull分布参数变点的风速分析

5．1 风速变点模型介绍

5．2 Weibull分布拟合风速检验

5．3 估计结果

5．4 结果分析

第六章 总结

参考文献

攻读硕士学位期间的学术活动及成果情况