数学建模气象分析

《数学建模气象分析》由会员分享，可在线阅读，更多相关《数学建模气象分析（6页珍藏版）》请在金锄头文库上搜索。

1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-date数学建模气象分析数学建模气象分析气象资料的分析与预测问题摘要近年来由于极端天气的发生频率，致灾性日趋严重等新特点的出现，对气候发展趋势进行评价预测越显重要。由于极端天气导致的灾害已经成为影响和制约 社会和经济发展的重要因素。如何对导致极端天气的主要因子进行识别分析，对 极端气候采取相应的有效措施，可以对人类生活与生产避免风险或减少其造成的危害，同时这对社会经济的稳定、

2、可持续发展战略的实施具有重要的意义。首先，本文主要运用主成分分析对该城市的气象资料数据进行了分析。通过Bartlett进行数据检验表明：Bartlett=13073.336，P0.00010.05，这表明该数据不是一个单位矩阵，可以进行因子分析。KMO=0,879说明因子分析的准确度很高。通过SPSS软件计算可得到三个因子：Fact_1气温与气压：气压平均 气温平均 气温最高 气温最低 地面平均温度 Fact_2地面含水量：湿度平均 蒸发 风平均 风最大 Fact_3降水：降水 日照时数 云总量 低云量 ,得出旋转成分矩阵，从而清楚地知道各因素对该城市气候的影响率，进而得到方差贡献率矩阵，三个

3、因子的累计贡献率为82.814%，说明能够对对该城市两年来的总体气候环境进行整体评价。其次，我们利用GM(1,1)模型来对该城市的气候指数进行分析，并进行了中长期的预测，运用Matlab 软件计算出预测所用的模型，对发展系数-a进行评判，并进行GM(1,1)残差处理，对结果进行了优化，提高数据精度与预测的准确度。再次，对于建立监控预报体系的数学模型，并用两年内的累积气象资料进行验证的问题需要建立多元线性回归模型，把影响该城市气候的因素运用SPSS软件进行多元线性回归分析，得出多元线性回归方程，并对该城市的温度和湿度进行来了验证，结果显示较为准确。最后，运用上述模型可以进行较为精准的评价、预测和监控预报，并预测城市在中长期内并无极端天气。本文对人们掌握该城市的气候产生积极的影响,同时也为该城市的规划以及经济的发展提供了有关气候的参考依据。关键字关键字：主成分分析 GM（1,1）模型 残差处理 多元线性回归 极端气候-