幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

氣候統計方法和應用/中國科學院大學研究生教材系列

  • 作者：編者:嚴中偉//華麗娟//錢誠|責編:楊帥英//趙晶
  • 出版社：科學
  • ISBN：9787030792792
  • 出版日期：2024/08/01
  • 裝幀：平裝
  • 頁數：229
人民幣：RMB 158 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是中國科學院大學為氣候研究相關專業研究生開設的一門專業核心課的教材，包含三部分內容。第一部分基礎知識：首先從動力學系統理論的新視角引入統計分析的意義，繼而精練總結氣候統計分析必需的基本概念和常用的顯著性檢驗等知識。第二部分經典方法：包括回歸分析、氣候趨勢、氣候場分析和時間序列的信號分解等。第三部分前沿問題：包括非正態變數的趨勢檢驗、氣候場趨勢及其成因分析、非線性信號分解、躍變檢測、非平穩極值擬合、隨機天氣發生器和極端氣候事件的可預測性、氣候序列均一化、氣候變化檢測歸因以及機器學習等。
    本書不僅可以為氣象、海洋、環境、水文、生態、地理等專業研究生教學提供參考，也可以成為相關專業大學生和科研人員的參考讀物。
作者介紹
編者:嚴中偉//華麗娟//錢誠|責編:楊帥英//趙晶
目錄
前言
第1章  引論——從氣候躍變說起
  1.1  理論背景
    1.1.1  氣候變率的周期觀
    1.1.2  Lorenz系統的啟示
  1.2  氣候躍變定義及實例
    1.2.1  冰期循環中的躍變
    1.2.2  現代氣候觀測中的年代際氣候躍變
  1.3  本書內容概要
  思考題
第2章  統計量和概率分佈
  2.1  中心統計量
  2.2  變幅統計量
  2.3  分佈形態統計量
  2.4  經驗分佈
    2.4.1  柱狀圖
    2.4.2  經驗累積頻率分佈圖
    2.4.3  盒須圖
  2.5  相關
    2.5.1  標準化距平
    2.5.2  散點圖
    2.5.3  Pearson線性相關
    2.5.4  Spearman秩相關
    2.5.5  自相關
  2.6  理論分佈
    2.6.1  二項式分佈
    2.6.2  幾何分佈
    2.6.3  泊松分佈
    2.6.4  連續分佈的概率密度函數和累積分佈函數
    2.6.5  正態分佈
    2.6.6  Gamma分佈
    2.6.7  極值分佈
    2.6.8  分位數對比圖
  思考題
第3章  顯著性檢驗
  3.1  基本概念
  3.2  參數檢驗
    3.2.1  單樣本均值的顯著性檢驗
    3.2.2  雙樣本均值差異的顯著性檢驗
    3.2.3  單樣本的方差顯著性檢驗
    3.2.4  雙樣本的方差顯著性檢驗
    3.2.5  相關係數的顯著性檢驗
  3.3  擬合優度檢驗
    3.3.1  卡方檢驗
    3.3.2  K-S檢驗
    3.3.3  Smirnov檢驗
    3.3.4  Anderson-Darling檢驗
  3.4  非#數檢驗
    3.4.1  秩和檢驗
    3.4.2  符號秩檢驗

    3.4.3  Lepage檢驗
    3.4.4  雙樣本置換檢驗
    3.4.5  單樣本Bootstrap檢驗
    3.4.6  雙樣本的Bootstrap檢驗
  思考題
第4章  回歸分析
  4.1  一元線性回歸
  4.2  多元線性回歸
  4.3  因子篩選和逐步回歸
  4.4  偏最小二乘回歸
  4.5  正則化回歸
    4.5.1  原理
    4.5.2  應用案例
  4.6  Logistic回歸
    4.6.1  原理
    4.6.2  Logistic回歸係數的含義
    4.6.3  回歸係數的檢驗
    4.6.4  應用案例
  思考題
第5章  氣候序列的趨勢和檢驗
  5.1  氣候序列和雜訊
  5.2  氣候趨勢估計方法
    5.2.1  線性趨勢
    5.2.2  滑動平均
    5.2.3  多項式擬合
  5.3  趨勢的顯著性檢驗
    5.3.1  秩相關係數檢驗
    5.3.2  差分平均值檢驗
    5.3.3  秩統計量檢驗
    5.3.4  Mann-Kendall趨勢檢驗
    5.3.5  Spearman秩相關檢驗
  5.4  氣候極值指數序列的趨勢分析
  思考題
第6章  氣候變數場趨勢
  6.1  背景問題
  6.2  氣候序列的非線性趨勢——三次樣條回歸
    6.2.1  簡單趨勢分析方法的問題
    6.2.2  三次樣條回歸
    6.2.3  全球平均溫度序列的非線性趨勢分析
  6.3  氣候場的趨勢格局
    6.3.1  廣義加法模型
    6.3.2  澳大利亞西南部的降水場趨勢分析
  6.4  氣候趨勢場的成因分析
    6.4.1  廣義線性模型
    6.4.2  歐洲逐日極大風速的變化及成因
  思考題
第7章  氣候變數場的時空分解
  7.1  EOF分析的基本原理
  7.2  EOF應用於氣候研究的若干問題
    7.2.1  時間變率還是空間格局？

    7.2.2  距平還是標準化距平？
    7.2.3  EOF和PC及有關術語
  7.3  EOF分析的應用
    7.3.1  典型應用案例分析
    7.3.2  應用EOF的注意事項
    7.3.3  擴展EOF分析
  7.4  旋轉EOF
    7.4.1  截斷
    7.4.2  REOF
    7.4.3  應用案例
  7.5  奇異值分解
  7.6  氣候分析中的SVD/MCA
  思考題
第8章  多尺度氣候信號分析
  8.1  時間序列的平穩性
    8.1.1  何謂平穩？
    8.1.2  平穩化處理
    8.1.3  時間序列分析方法
  8.2  諧波分析
    8.2.1  一個諧波函數表徵一個簡單的時間序列
    8.2.2  多個諧波的擬合
    8.2.3  諧波對原序列的貢獻
    8.2.4  假名現象
    8.2.5  離散功率譜
    8.2.6  連續功率譜
    8.2.7  應用案例
  8.3  小波分析
  8.4  集合經驗模分解
    8.4.1  集合經驗模分解的由來和用處
    8.4.2  EMD原理
    8.4.3  EEMD原理
    8.4.4  EEMD代碼和常見問題
    8.4.5  研究案例
  思考題
第9章  氣候躍變的診斷方法
  9.1  滑動t檢驗
  9.2  滑動F檢驗
  9.3  滑動符號檢驗
  9.4  Mann-Kendall躍變檢測
  9.5  Pettitt變點檢測
  9.6  標準正態均一性檢驗
  9.7  Buishand範圍檢驗
  9.8  小波檢測
  9.9  氣候變數場中的躍變分析
  思考題
第10章  氣候極值
  10.1  背景問題
  10.2  氣候平均態和氣候極值
  10.3  從「分佈」的視角看氣候變化
  10.4  逐日氣候分佈

  10.5  氣候極值指數
  10.6  極值理論分佈
    10.6.1  廣義極值分佈
    10.6.2  廣義Pareto分佈
  10.7  非平穩極值理論
  10.8  用廣義線性模型分析氣候極值變化
  思考題
第11章  隨機天氣發生器
  11.1  定義、實例及應用場景
    11.1.1  何謂隨機天氣發生器？
    11.1.2  一個啟發性的SWG
    11.1.3  應用場景
  11.2  隨機天氣發生器的建模
    11.2.1  逐日降水的Markov模型
    11.2.2  包含其他天氣變數的SWG
    11.2.3  隨機天氣發生器的改進
    11.2.4  案例分析
    11.2.5  如何選擇最優模型
  11.3  運用SWG分析季節極端降水的潛在可預測性
  思考題
第12章  氣候序列的均一化
  12.1  基本概念和理論分析
    12.1.1  均一化方法：從物理到統計
    12.1.2  從理想的非均一氣候序列說起
    12.1.3  從實際案例進一步看均一化的複雜性
  12.2  常用的均一化方法
    12.2.1  標準正態檢驗法
    12.2.2  RHtest方法
    12.2.3  序列均一化的多元分析方法
    12.2.4  更多可用於均一化的統計檢測方法
  12.3  進一步的均一化方法發展
    12.3.1  針對氣候極值的序列均一化
    12.3.2  多要素協同的均一化方法
    12.3.3  均一化結果的不確定性
  12.4  基於均一化資料重新評估近百年中國氣候變暖
    12.4.1  早期研製的中國百年氣溫序列
    12.4.2  基於均一化觀測的中國百年氣溫序列
    12.4.3  20世紀40年代中國並不普遍偏暖
    12.4.4  城市化加劇局部增暖但對全國平均趨勢的影響小
    12.4.5  小結
  思考題
第13章  氣候變化的檢測歸因
  13.1  檢測歸因的概念
  13.2  長期氣候變化的歸因方法
    13.2.1  基於氣候模式和最優指紋方法
    13.2.2  時間序列方法
  13.3  極端事件的歸因方法
    13.3.1  經驗方法
    13.3.2  基於環流相似的方法
    13.3.3  耦合模式法

    13.3.4  大氣模式法
  13.4  結語
  思考題
第14章  天氣氣候研究中的機器學習
  14.1  機器學習及其應用簡介
    14.1.1  定義
    14.1.2  機器學習解決天氣氣候問題的優勢
  14.2  統計機器學習
  14.3  深度學習
    14.3.1  神經網路
    14.3.2  深度學習步驟
    14.3.3  構成深度神經網路的組件
  14.4  氣候研究中的應用案例
    14.4.1  運用樹模型對降水進行診斷
    14.4.2  運用CNN檢測極端天氣氣候事件
    14.4.3  運用CNN進行季節預測
    14.4.4  運用ConvLSTM進行海溫預報
    14.4.5  運用可解釋性技術對機器學習模型進行解釋
  14.5  未來發展與思考
  思考題
主要參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032