利用气候时间序列签名的简单厄尔尼诺预测方案
大气与海洋物理
2022-02-14 v5 地球物理
摘要
厄尔尼诺是大气—海洋耦合现象的典型例子，但尚不清楚它是否可以通过相关气候事件之间的相关性来定量描述。为澄清此问题，我们开发了一个基于机器学习的厄尔尼诺预测模型，该模型使用时序气候指数。通过将多维时间序列转换为路径签名（path signature），该模型能够恰当评估气候事件的顺序与非线性，从而使我们取得了良好的预报技巧（6个月预测的均方误差 = 0.596）。此外，该模型还可提供倾向于改变未来 NINO3.4 海表温度的气候事件序列信息。在开展的预报实验中，发现北太平洋指数和若干 NINO 指数的变化是重要的前兆。结果表明，厄尔尼诺在一定程度上可基于气候事件的相关性进行预测。
引用
@article{arxiv.2109.02013,
title = {Simple El Ni\~{n}o prediction scheme using the signature of climate time series},
author = {Nozomi Sugiura and Shinya Kouketsu},
journal= {arXiv preprint arXiv:2109.02013},
year = {2022}
}
备注
16 pages, 5 figures, 2 tables