新書推薦：
《
爱丁堡古罗马史-罗马城的起源和共和国的崛起
》
售價：NT$
349.0
《
人生解忧：佛学入门四十讲
》
售價：NT$
490.0
《
浪潮将至
》
售價：NT$
395.0
《
在虚无时代：与马克斯·韦伯共同思考
》
售價：NT$
260.0
《
日内交易与波段交易的资金风险管理
》
售價：NT$
390.0
《
自然信息图：一目了然的万物奇观
》
售價：NT$
640.0
《
女性史：古代卷（真正意义上的女性大历史）
》
售價：NT$
560.0
《
跨代伴侣治疗
》
售價：NT$
440.0
|
| 內容簡介： |
|
《气候统计方法和应用》是中国科学院大学为气候研究相关专业研究生开设的一门专业核心课的教材，包含三部分内容。第一部分基础知识：*先从动力学系统理论的新视角引入统计分析的意义，继而精练总结气候统计分析必需的基本概念和常用的显著性检验等知识。第二部分**方法：包括回归分析、气候趋势、气候场分析和时间序列的信号分解等。第三部分前沿问题：包括非正态变量的趋势检验、气候场趋势及其成因分析、非线性信号分解、跃变检测、非平稳极值拟合、随机天气发生器和极端气候事件的可预测性、气候序列均一化、气候变化检测归因以及机器学习等。
|
| 目錄：
|
|
目录前言第1章 引论—从气候跃变说起 11.1 理论背景 11.1.1 气候变率的周期观 11.1.2 Lorenz系统的启示 21.2 气候跃变定义及实例 31.2.1 冰期循环中的跃变 41.2.2 现代气候观测中的年代际气候跃变 61.3 本书内容概要 7思考题 8第2章 统计量和概率分布 92.1 中心统计量 92.2 变幅统计量 112.3 分布形态统计量 122.4 经验分布 132.4.1 柱状图 132.4.2 经验累积频率分布图 142.4.3 盒须图 152.5 相关 162.5.1 标准化距平 162.5.2 散点图 172.5.3 Pearson线性相关 172.5.4 Spearman秩相关 182.5.5 自相关 182.6 理论分布 182.6.1 二项式分布 192.6.2 几何分布 192.6.3 泊松分布 192.6.4 连续分布的概率密度函数和累积分布函数 202.6.5 正态分布 212.6.6 Gamma分布 222.6.7 极值分布 232.6.8 分位数对比图 25思考题 26第3章 显著性检验 283.1 基本概念 283.2 参数检验 293.2.1 单样本均值的显著性检验 293.2.2 双样本均值差异的显著性检验 303.2.3 单样本的方差显著性检验 313.2.4 双样本的方差显著性检验 313.2.5 相关系数的显著性检验 323.3 拟合优度检验 323.3.1 卡方检验 323.3.2 K-S检验 333.3.3 Smirnov检验 333.3.4 Anderson-Darling检验 343.4 非#数检验 343.4.1 秩和检验 353.4.2 符号秩检验 363.4.3 Lepage检验 373.4.4 双样本置换检验 383.4.5 单样本Bootstrap检验 393.4.6 双样本的Bootstrap检验 39思考题 40第4章 回归分析 424.1 一元线性回归 424.2 多元线性回归 454.3 因子筛选和逐步回归 464.4 偏*小二乘回归 474.5 正则化回归 484.5.1 原理 484.5.2应用案例 504.6 Logistic回归 524.6.1 原理 524.6.2 Logistic回归系数的含义 544.6.3 回归系数的检验 554.6.4 应用案例 56思考题 57第5章气候序列的趋势和检验 585.1 气候序列和噪声 585.2 气候趋势估计方法 585.2.1 线性趋势 585.2.2 滑动平均 595.2.3 多项式拟合 605.3 趋势的显著性检验 605.3.1 秩相关系数检验 615.3.2 差分平均值检验 615.3.3 秩统计量检验 615.3.4 Mann-Kendall趋势检验 625.3.5 Spearman秩相关检验 625.4 气候极值指数序列的趋势分析 63思考题 65第6章 气候变量场趋势 666.1 背景问题 666.2 气候序列的非线性趋势一三次样条回归 686.2.1 简单趋势分析方法的问题 686.2.2 三次样条回归 696.2.3 全球平均温度序列的非线性趋势分析 726.3 气候场的趋势格局 756.3.1 广义加法模型 756.3.2 澳大利亚西南部的降水场趋势分析 766.4 气候趋势场的成因分析 796.4.1 广义线性模型 796.4.2 欧洲逐日极大风速的变化及成因 82思考题 88第7章 气候变量场的时空分解 897.1 EOF分析的基本原理 897.2 EOF应用于气候研究的若干问题 907.2.1 时间变率还是空间格局？ 907.2.2 距平还是标准化距平？ 917.2.3 EOF和PC及有关术语 917.3 EOF分析的应用 927.3.1 典型应用案例分析 927.3.2 应用EOF的注意事项 937.3.3 扩展EOF分析 937.4 旋转EOF 957.4.1 截断 957.4.2 REOF 957.4.3 应用案例 967.5 奇异值分解 977.6 气候分析中的SVD/MCA 99思考题 100第8章 多尺度气候信号分析 1018.1 时间序列的平稳性 1018.1.1 何谓平稳？ 1018.1.2 平稳化处理 1018.1.3 时间序列分析方法 1028.2 谐波分析 1028.2.1 一个谐波函数表征一个简单的时间序列 1028.2.2 多个谐波的拟合 1038.2.3 谐波对原序列的贡献 1058.2.4 假名现象 1058.2.5 离散功率谱 1068.2.6 连续功率谱 1068.2.7 应用案例 1088.3 小波分析 1098.4 集合经验模分解 1118.4.1 集合经验模分解的由来和用处 1128.4.2 EMD原理 1148.4.3 EEMD原理 1168.4.4 EEMD代码和常见问题 1168.4.5 研究案例 118思考题 121第9章 气候跃变的诊断方法 1229.1 滑动t检验 1229.2 滑动F检验 1239.3 滑动符号检验 1249.4 Mann-Kendall跃变检测 1259.5 Pettitt 变点检测 1279.6 标准正态均一性检验 1279.7 Buishand范围检验 1289.8 小波检测 1289.9 气候变量场中的跃变分析 129思考题 130第10章 气候极值 13110.1 背景问题 13110.2 气候平均态和气候极值 13210.3 从“分布”的视角看气候变化 13310.4 逐日气候分布 13510.5 气候极值指数 13610.6 极值理论分布 13810.6.1 广义极值分布 13910.6.2 广义Pareto分布 14110.7 非平稳极值理论 14110.8 用广义线性模型分析气候极值变化 143思考题 145第11章 随机天气发生器 14611.1 定义、实例及应用场景 14611.1.1 何谓随机天气发生器？ 14611.1.2 一个启发性的SWG 14611.1.3 应用场景 14711.2 随机天气发生器的建模 14911.2.1 逐日降水的Markov模型 14911.2.2 包含其他天气变量的SWG 15211.2.3 随机天气发生器的改进 15311.2.4 案例分析 15511.2.5 如何选择*优模型 15811.3 运用SWG分析季节极端降水的潜在可预测性 159思考题 164第12章 气候序列的均一化 16512.1 基本概念和理论分析 16512.1.1 均一化方法：从物理到统计 16512.1.2 从理想的非均一气候序列说起 16612.1.3 从实际案例进一步看均一化的复杂性 16912.2 常用的均一化方法 17112.2.1 标准正态检验法 17112.2.2 RHtest方法 17112.2.3 序列均一化的多元分析方法 17212.2.4 更多可用于均一化的统计检测方法 17412.3 进一步的均一化方法发展 17412.3.1 针对气候极值的序列均一化 17412.3.2 多要素协同的均一化方法 17712.3.3 均一化结果的不确定性 17912.4 基于均一化资料重新评估近百年中国气候变暖 18112.4.1 早期研制的中国百年气温序列 18212.4.2 基于均一化观测的中国百年气温序列 18312.4.3 20世纪40年代中国并不普遍偏暖 18412.4.4 城市化加剧局部增暖但对全国平均趋势的影响小 18512.4.5 小结 186思考题 186第13章 气候变化的检测归因 18713.1 检测归因的概念 18713.2 长期气候变化的归因方法 18813.2.1 基于气候模式和*优指纹方法 18813.2.2 时间序列方法 19013.3 极端事件的归因方法 19113.3.1 经验方法 19113.3.2 基于环流相似的方法 19213.3.3 耦合模式法 19213.3.4 大气模式法 19313.4 结语 194思考题 195第14章 天气气候研究中的机器学习 19614.1 机器学习及其应用简介 19614.1.1 定义 19614.1.2 机器学习解决天气气候问题的优势 19614.2 统计机器学习 19714.3 深度学习 20014.3.1 神经网络 20014.3.2 深度学习步骤 20114.3.3 构成深度神经网络的组件 20514.4 气候研究中的应用案例 20914.4.1 运用树模型对降水进行诊断 20914.4.2 运用CNN检测极端天气气候事件 21114.4.3 运用CNN进行季节预测 21314.4.4 运用ConvLSTM进行海温预报 21414.4.5 运用可解释性技术对机器学习模型进行解释 21514.5 未来发展与思考 217思考题 218主要参考文献 219
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
