期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
Analyzing of the ENSO Index Using Extreme Value Theory
1
作者 Fumio Maruyama 《Journal of Geoscience and Environment Protection》 2023年第6期96-105,共10页
We predicted the extreme values of the ENSO index, the Niño3.4 index, and the Southern Oscillation Index (SOI) using extreme value theory. Various diagnostic plots for assessing the accuracy of the Generalized Pa... We predicted the extreme values of the ENSO index, the Niño3.4 index, and the Southern Oscillation Index (SOI) using extreme value theory. Various diagnostic plots for assessing the accuracy of the Generalized Pareto (GP) model fitted to the Niño3.4 index and SOI are shown, and all four diagnostic plots support the fitted GP model. Because the shape parameter of the Niño3.4 was negative, the Niño3.4 index had a finite upper limit. In contrast, that of the SOI was zero, therefore the SOI did not have a finite upper limit, and there is a possibility that a significant risk will occur. We predicted the maximum return level for the return periods of 10, 20, 50, 100, 350, and 500 years and their respective 95% confidence intervals, CI. The 10-year, and 100-year return levels for Niño3.4 were estimated to be 2.41, and 2.62, with 95% CI [2.22, 2.59], and [2.58, 2.66], respectively. The Niño3.4 index was 2.65 in the 2015/16 super El Niño, which is a phenomenon that occurs once every 500 years. The Niño3.4 index was 2.51 in the 1982/83, and 1997/98 super El Niño, which is a phenomenon that occurs once every 20 years. Recently, a large super El Niño event with a small probability of occurrence has occurred. In response to global warming, the super El Niño events are becoming more likely to occur. 展开更多
关键词 Extreme Value Theory GP ENSo niño3.4 SoI
下载PDF
海南岛9—10月暴雨日数与ENSO的关系研究
2
作者 张天圣 赵蕾 +1 位作者 莫云音 蔡英缨 《农业灾害研究》 2023年第9期179-182,共4页
利用海南岛18个市县国家气象观测站日降水资料,NCEP/NCAR逐月资料和美国NOAA中心ERSSTV4的逐月海温资料,研究了海南岛秋季暴雨日数与前期海温的关系,结果表明:当前期(7—8月)出现拉尼娜(厄尔尼诺)事件时,西太平洋副高偏北(偏南),南海副... 利用海南岛18个市县国家气象观测站日降水资料,NCEP/NCAR逐月资料和美国NOAA中心ERSSTV4的逐月海温资料,研究了海南岛秋季暴雨日数与前期海温的关系,结果表明:当前期(7—8月)出现拉尼娜(厄尔尼诺)事件时,西太平洋副高偏北(偏南),南海副高偏弱(偏强),沃克环流偏强(偏弱),印缅槽偏强(偏弱),热带印度洋、孟加拉湾进入南海偏西风偏强(偏弱),有利于(不利于)海南岛秋季暴雨形成。拉尼娜年时,当海南岛上空低值系统偏强(偏弱),赤道印度洋、孟加拉湾进入南海气流偏强明显(不明显),贝湖附近高压脊偏强(偏弱),则暴雨日数偏多(正常)。厄尔尼诺年时,(1)当海南岛上空高压系统控制,贝湖附近高压脊偏弱,则暴雨日数偏少;(2)当西南地区到中南半岛北部为短波槽影响,海南岛处于槽前,东亚大槽偏强,有短波槽配合,则暴雨日数正常;(3)当沃克环流偏弱不明显,巴士海峡、南海北部对流活动活跃,受低值系统和偏东气流影响,暴雨日数偏多。 展开更多
关键词 前期海温 暴雨日数 ni?o3.4区海温 沃克环流
下载PDF
基于LSTM深度学习的ENSO预测及其春季预报障碍研究 被引量:1
3
作者 周佩 黄颖婕 +1 位作者 胡冰逸 韦骏 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第6期1071-1078,共8页
利用长短期记忆网络(LSTM)深度学习算法构建一个热带太平洋Niño3.4指数预测模型,并分析模型的季节预报误差。结果表明,LSTM模型能够较好地预测厄尔尼诺事件的变化趋势,但针对不同类型的厄尔尼诺事件有不同的表现。对于1997/1998和2... 利用长短期记忆网络(LSTM)深度学习算法构建一个热带太平洋Niño3.4指数预测模型,并分析模型的季节预报误差。结果表明,LSTM模型能够较好地预测厄尔尼诺事件的变化趋势,但针对不同类型的厄尔尼诺事件有不同的表现。对于1997/1998和2015/2016强东部型厄尔尼诺事件,该模型能较准确地预测事件的趋势和峰值,距平相关系数(ACC)达到0.93以上。但是,对于1991/1992和2002/2003弱中部型厄尔尼诺事件,在峰值预测方面表现不好。在厄尔尼诺增长期,预报误差的季节增长率最大值(k_(max))皆处于4—6月,存在明显的春季预报障碍(SPB)现象。在衰减期,同类型事件的k_(max)分布相似:弱中部型厄尔尼诺事件的k_(max)皆处于春季,存在明显的SPB现象;强东部型厄尔尼诺事件的k_(max)分散在其他季度,不存在SPB现象。个体事件间存在一定的差异,可能与事件的特征(如事件类型和强度)有关。 展开更多
关键词 长短期记忆人工神经网络(LSTM) ENSo 预报误差 春季预报障碍(SPB) niño3.4指数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部