跳到主要內容

臺灣博碩士論文加值系統

(44.210.99.209) 您好!臺灣時間:2024/04/15 13:40
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:黃文揚
研究生(外文):Wen-Yang Huang
論文名稱:以海水表面溫度預測台灣附近之降雨量
論文名稱(外文):Local Rainfall Prediction Using Global Sea Surface Temperature
指導教授:徐南蓉徐南蓉引用關係
學位類別:碩士
校院名稱:國立清華大學
系所名稱:統計學研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
中文關鍵詞:ARIMAPermutation檢定主成分分析
相關次數:
  • 被引用被引用:2
  • 點閱點閱:387
  • 評分評分:
  • 下載下載:63
  • 收藏至我的研究室書目清單書目收藏:0
近年來,台灣屢屢受到缺水影響之苦,各地皆實施限水的措施,一旦水源供應不足,對於農業、工業,甚或是高科技產業之發展都會產生嚴重的影響與妨礙,因此,徹底的改善方法除了加強節約用水的觀念以外,若是我們能藉由世界海水表面溫度的變化情形對台灣附近的降雨做較佳的預測,如此便可以配合雨季和旱季來調節儲水與用水,或許能夠對現今台灣的缺水情況有所改善。本篇論文主要目的為藉由海水表面溫度的資料預測台灣附近夏季雨量,我們首先檢定海水表面溫度的變化是否對台灣附近的夏季雨量具有影響性,再以海水表面溫度的資料有效的預測降雨量,其預測能力優於傳統的時序模型。

In this work, a regression model is proposed for predicting the summer rainfall around Taiwan area in which the global sea surface temperature (SST) are incorporated as the predictive variables. In constructing such a regression model, we first identify the effective spatial area according to the Portmanteau test statistics which quantify the dependence between the rainfall series and the SST series for each location. Then, the SST data within the identified area are summarized by the most important principal components to reduce the dimension of the predictive variables. Finally, the regression model is built by regressing the rainfall on these principal components of past SST data. The empirical results show that the regression model incorporating the information of SST performs better than the conventionally
time series model in terms of smaller prediction mean square errors.

目 錄
圖目錄 II
表目錄 III
第一章 簡介 1
1.1前言 1
第二章 資料描述 3
2.1全球降雨資料 3
2.2全球海水表面溫度資料 (SST) 5
第三章 台灣附近夏季降雨量與全球海水表面溫度的關係 10
3.1 Cross Correlation Function (CCF) 10
3.2檢定兩個隨機過程之獨立性: Permutation Test 15
3.3尋找最具影響力的海洋區塊 17
第四章 降雨量預測模式 20
4.1傳統的時序模式配適 20
4.2 SST的主成分分析(principal component analysis) 24
4.3 建構預測雨量的迴歸模式 29
第五章 結論 33
參考文獻 34

1. Anderson T.W. (1984). An Introduction to Multivariate Statistical Analysis ( Edition), John Wiley & Sons, New York.
2. Brockwell P.J. and Davis R.A. (1996). Introduction to Time Series and Forecasting, Springer-Verlag, New York.
3. Cane, M.A. (1983). Oceanographic Events During El Nino. Science, 222, 1189-1195.
4. Grimm, A.M., Ferraz S.E.T. and Gomes J. (1998). Precipitation anomalies in Southern Brazil associated with El Nino and La Nina events. Journal of Climate, 11, 2863-2880.
5. Liebmann B., Marengo J.A. (2001). Interannual variability of the rainy season and rainfall in the Brazilian Amazon basin. Journal of Climate, 14, 4308-4317.
6. Montecinos A., Diaz A. and Aceituno P. (2000). Journal of Climate, 13, 746-758.
7. Ronchail J., Cochonneau G., Molinier M., Guyot J.L., Chaves A.G.D.M., Guimaraes V. and Oliveira E.D. (2002). Interannual rainfall variability in the Amazon Basin and sea-surface temperatures in the equatorial Pacific and the tropical Atlantic oceans. International Journal of Climatology, 22, 1663-1686.
8. Solow, A.R. (1995). An Exploratory Analysis of a Record of El Nino Events, 1800-1987. Journal of the American Statistical Association, 90, 72-77.
9. 吳明進, (1986). 聖嬰/南方振盪現象, 科學月刊第十七卷第二期, 107頁至112頁.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top