●前言
章 氣像資料與數據
1.1 氣像數據的特征
1.2 氣像數據的類型
1.3 氣像數據的描述
1.4 數據整理的方法論
參考文獻
第2章 大氣基本狀態
2.1 大氣平均狀態的描述
2.2 大氣狀態的異常
2.3 大氣平均狀態的代表性
2.4 大氣平均狀態的差異性
2.5 大氣狀態出現的頻率
2.6 大氣變量的分布
2.7 大氣狀態的分級
2.8 大氣異常的極端狀態
2.9 大氣變量的數據變換
參考文獻
第3章 大氣變量的相互關繫
3.1 大氣狀態的關聯性
3.2 信息關聯
3.3 列聯表
3.4 級別變量的相關
3.5 連續變量的相關
3.6 偏相關
3.7 不同時刻的交叉相關
3.8 不同時段的相關
3.9 變量的瞬時相關
3.10 變量相關程式關繫
3.11 多個變量的相關
3.12 變量變化的相似性
參考文獻
第4章 大氣變量的時間演變特征
4.1 離散變量持續性
4.2 連續變量的持續性
4.3 變量的變化趨勢
4.4 變量變化趨勢的檢驗
4.5 變量變化的突變
4.6 變量變化的周期性
4.7 兩個變量變化的交叉周期性
4.8 變量的時間變化濾波
參考文獻
第5章 大氣變量場基本特征
5.1 大氣變量場基本狀態
5.2 變量場的變化特征
5.3 變量的條件平均場
5.4 變量信號場
5.5 條件差值場
5.6 外力影響特征
參考文獻
第6章 大氣變量場中的相關性
6.1 遙相關
6.2 高度場時空特征模態
6.3 大氣濤動
6.4 地面要素場時空特征模態
6.5 風場時空特征模態
6.6 變量場中的關聯性
6.7 變量場中氣候分類
6.8 變量場中的波動特征
參考文獻
第7章 兩個變量場的關繫
7.1 兩個變量場的差異性
7.2 兩個變量場的相似性指標
7.3 兩個風場相似性
7.4 兩個變量場的關聯性
7.5 兩個變量場的回歸關繫
7.6 兩個變量場的耦合關繫
參考文獻
第8章 多個變量場耦合分析
8.1 多變量場的綜合模態
8.2 風場綜合模態
8.3 多變量場模態
8.4 變量場時間演變模態
8.5 聯合耦合模態
參考文獻
第9章 變量場的時間演變特征
9.1 變量場的趨勢分析
9.2 變量場的平均序列演變特征
9.3 變量場的時間演變特征提取
9.4 變量場的周期變化特征
9.5 變量場時間演變模態
9.6 風場的時間演變特征
9.7 多變量場時間演變特征
9.8 周期變化外力成因
參考文獻
0章 大氣變量的預報
10.1 外因子預報模型
10.2 持續性預報模型
10.3 周期模式預報模型
10.4 時間外延預報模型
10.5 大氣變量場的預報
10.6 潛在可預報性
10.7 預報的穩定性
10.8 預報效果評價
參考文獻
1章 大氣變量動力統計預報
11.1 數值預報產品釋用
11.2 隨機氣候模式
11.3 動力繫統的可預報性
11.4 集合預報
11.5 降尺度預報
11.6 數值預報的統計訂正
參考文獻
2章 氣像數據修正、插補和融合
12.1 氣像資料數據的質量評估與控制
12.2 氣像資料數據的均一性處理
12.3 城市化對氣候序列均一性的影響
12.4 資料恢復與插補
12.5 大氣變量場的空問插值
12.6 氣像數據融合、同化及再分析
參考文獻
附錄A 回歸分析
A1單個因子的回歸模型
A2多因子線性回歸模型
A3逐步回歸模型
A4事件概率回歸(REEP)
A5Logit回歸模型
A6最佳子集回歸模型
A7預報殘差最小逐步回歸
A8權重回歸
A9卡曼濾波回歸
A10嶺回歸
A11貝葉斯回歸
A12支持向量機回歸
附錄B 判別分析
B1費歇判別方程
B2貝葉斯判別方程
B3逐步判別
B4回歸逐步判別
附錄C 變量場的分解
C1主分量分析
C2經驗正交函數分解
C3多變量場經驗正交函數分解
C4復向量經驗正交函數分解
C5擴展經驗正交函數分解
C6聯合經驗正交函數分解
C7復經驗正交函數分解
C8主振蕩模態分析
C9獨立分量分析
附錄D 聚類分析
D1因子分析的一般模型
D2主因子分析模型
D3因子軸的轉動
D4對應分析
D5串組法
附錄E 變量場的耦合分析
E1典型相關分析
E2奇異值分解
E3偏最小二乘回歸
附錄F 大氣變量時域分析
F1自回歸模型
F2滑動平均模型
F3自回歸滑動平均模型
F4方差分析模型
F5均生函數模型
F6經驗模態分解
F7去趨勢的漲落分析
附錄G 大氣變量頻域分析
G1變量的頻譜
G2功率譜
G3非整譜
G4優選熵譜
G5雙譜分析
G6多窗口譜分析
G7濾波
G8交叉譜
G9奇異譜
G10交叉奇異譜
G11小波分析
G12交叉小波譜
附錄H 大氣變量場的譜分析
H1緯向諧波分析
H2高度場的物理量譜
H3高度場的球諧分析
H4時空譜
H5二維空間譜分析
H6變量場中的交叉譜分析
H7多窗口奇異值分析
H8循環平穩經驗正交函數分解
附錄I 馬爾科夫概型分析
I1馬爾科夫鏈
I2轉移概率
I3絕對概率
I4轉移概率矩陣的譜分解
I5馬爾科夫性質的檢驗
附錄J 神經網絡
J模型
J2神經網絡結構
J3網絡學習
J4前饋型神經網絡
J5徑向基函數網絡
J6自組織映射網絡
附錄K 統計檢驗
K1假設檢驗
K2平均值檢驗
K3兩組樣本平均值差異的檢驗
K4方差檢驗
K5相關繫數的檢驗
K6變量的分布檢驗
K7頻率的檢驗
K8趨勢檢驗
K9突變檢驗
K10蒙特卡洛檢驗
附錄L 氣像統計常用數表
L1正態分布函數
L2γ2分布
L3F分布
L4t分布
內容簡介
黃嘉佑和李慶祥編著的《氣像數據統計分析方法》主要介紹了近代數據處理與統計方法及其在各類氣像分析中的應用,並加入了許多21世紀以來靠前上在氣像應用統計領域的一些近期新成果。此外,還將一些常用的數據處理方法的基本原理和計算步驟編寫在附錄中,希望有助於氣像工作人員參考使用。
本書可以作為具有一定氣像學基礎的氣像及相關行業技術人員從事相關研究及業務工作的參考書,也可以作為氣像學碩士、博士研究生開展相關研究的參考書或教材。