全球温度不确定性的 ARMA 模型建立与分析
统计方法学
2023-03-06 v1
摘要
基于统计方法可以建立陆地和海表温度不确定性模型。本文中，我们建立了一种新的时间序列温度不确定性模型，即自回归移动平均（ARMA）(1, 1)模型。该模型针对观测到的年平均温度距平 X(t) 建立，X(t) 为某年 (t) 的真实（潜在）全球距平 Y(t) 与正态变量 w(t) 的组合。不确定性取为 w(t) 的方差，其被分解为陆地表面温度（LST）不确定性、海表温度（SST）不确定性及相应的不确定性来源。该 ARMA 模型与自回归（AR）及自回归积分移动平均（ARIMA）模型进行了分析比较，数据取自 NASA 戈达德空间研究所表面温度分析。自相关函数（ACF）、偏自相关函数（PACF）、正态分位数-分位数（Normal Q-Q）图、残差密度以及正态变量 w(t) 方差的统计分析表明，对于 d = 1, 2，ARMA(1, 1) 优于 AR(1) 和 ARIMA(1, d, 1)。
引用
@article{arxiv.2303.02070,
title = {ARMA Model Development and Analysis for Global Temperature Uncertainty},
author = {Mahmud Hasan and Gauree Wathodkar and Mathias Muia},
journal= {arXiv preprint arXiv:2303.02070},
year = {2023}
}