持久性模型
气候噪声通常展品持久性(1.3节)。第三章提出了引导方法和重采样技术,旨在提供现实的置信区间或各种估计误差问题处理在随后的章节。引导与人为产生(通过随机数字生成器)resam-ples噪声的过程。准确的引导结果需要因此重新取样保持持久性Xnoise(我)。为实现这一目标需要的模型噪声过程或量化的大小依赖。模型符合噪声数据通知“记忆”的气候波动,持久性张成的空间。raybet雷竞技最新拟合模型及其参数估计可以直接用于引导重采样过程。
事实证明,气候时间序列与离散时间和间距不均匀raybet雷竞技最新,持久模型的类与一个独特的通信连续时间模型相当有限。这种“嵌入”是必要的,因为它可以保证我们的持久性描述物理基础。一阶自回归AR(1)过程这个理想的属性。
2.1一阶自回归模型
AR(1)过程是一个简单的持久性模型,实现噪声过程,Xnoise (i),取决于价值在一个时间步,Xnoise (i - 1)。我们甚至分析和不均匀间隔分开。
m . Mudelsee气raybet雷竞技最新候时间序列分析、大气和33
海洋科学图书馆42,DOI 10.1007 / 978 - 90 - 481 - 9482 - 7 _2©Springer科学+商业媒体帐面价值2010
2.1.1甚至间距
Eq。(1.2)我们让时间与常数增加间距d (i) = d > 0和写离散高斯噪声AR(1)模型,
Xnoise (1) = EN (0, 1) (1) (2 ^
Xnoise (i) = a•Xnoise害怕(i - 1) + N(0,1 -«2)(我),我= 2,。,n。
,1 < < 1是一个常数和EN (M, CT2)(-)是一个高斯随机过程和均值-方差CT2没有串行依赖性,这意味着,E [EN (M, CT2) (i)•EN (M, CT2) (j)]为i = = 0 j。它容易,Xnoise (i)为零均值和方差统一,是假设在我们的分解(Eq。1.2)。图2.1显示了一个实现一个AR(1)的过程。
图2.1。实现一个AR(1)过程(Eq。2.1);n = 200 = 0.7。
图2.1。实现一个AR(1)过程(Eq。2.1);n = 200 = 0.7。
自相关函数,
{Xnoise (i + h) - E [Xnoise (i + h)] HXnoise (i) - E [Xnoise (i)]}
Xnoise (i + h)•Xnoise(我)
继续阅读:Sejj [Cjj12 421
这篇文章有用吗?