摘要
本发明提供一种基于环流分型的冷季复合低温大雪事件的归因分析方法,包括:基于收集研究区域的实测气象水文数据、全球气候模式数据和大气环流数据,进行气候模式的偏差校正计算和降雪的计算;采用自组织映射神经网络对大气环流变量进行环流分型,识别不同环流型下的复合极端低温大雪事件并进行事件特征分析;基于环流型的频率变化,采用正则化最优指纹法进行外强迫检测归因分析和未来时期的全球气候模式的约束预估分析;采用气候变化分离法,通过复合极端事件频次变化趋势进行热力作用、动力作用、热力‑动力相互作用的分离。本发明为复合极端气候事件的气候变化和人类活动影响的归因提供了新视角。
技术关键词
环流
归因
神经网络聚类算法
动力相互作用
气候
分析方法
模式
数据
组织
映射方法
累积分布函数
气象
校正
指纹
极值
状态更新
偏差
水文
频率
系统为您推荐了相关专利信息
神经图灵机模型
智能调控方法
物联网装置
控制策略
社会网络分析
发电能力预测方法
拓扑图
发电站
卷积网络模型
时间序列特征
会员数据分析
归因
RFM模型
店铺
关联分析业务
出力预测方法
水电
分层聚类算法
序列
空洞卷积结构