南极人品牌分析

南极人品牌分析

1.南极人品牌分析 篇一

对极地地区或其他大尺度, 低观测量地区而言, 平均温度主要指的是该地区在研究所需时间尺度内最大值与最小值的均值。但最值的求解在此处方法不唯一, 本文提出应用基于最小二乘的曲线拟合思想进行极值的求解, 从而得到平均温度, 同时摒弃曲线拟合在预测领域的弊端, 应用BP神经网络完成估算。为直观显示与分析南极洲地区平均温度随时间的变化, 本文引入地理空间分析软件Arcgis对测站点相关数据进行空间插值处理, 从而将单一测站数据拓展到整个空间范围, 更有利于实现对南极洲温度随时间变化的直观显示与求解。

1 数据获取与预处理

在网站上搜集的部分数据, 并不完整或不符合本文使用数据的要求, 因此我们需要对数据进行预处理。由于受南极环境恶劣和巨额耗资的限制, 在1980~2015以南地区进行过观测的130余站中, 累计观测记录在25年以上的仅有29个站。鉴于本文主要研究南极地区近30余年温度的短期气候变化, 故本文只选用1980~2015之间的数据, 以五年为一个节点作为这五年的代表数据, 类似于这五年的平均温度。从网站上得到的数据, 由于某些站点在某一段时间内没有数据, 本文将缺测数据多余于10%的站点进行剔除, 对缺测数据在10%之内的不完整的站点数据采用均值替换法进行补充。其中数据获取网站地址为:http://legacy.bas.ac.uk。为了计算方便, 本文使用的逐月平均温度的记录单位是0.1℃。

2 主要算法简介

2.1 多项式拟合算法

曲线拟合又称作函数逼近, 是求近似函数的一类数值方法。它不要求近似函数在每个节点处与函数值相同, 只要求其尽可能的反映给定数据点的基本趋势以及某种意义上的无限“逼近”, 具体原理可以参照文献[2]所述, 主要通过MATLAB进行算法的实现。

2.2 BP神经网络技术

BP神经网络算法是一种采用误差反向传播的多层前馈感知器。其特点是具有分布式的信息存储方式, 能进行大规模并行处理, 并具有较强的自学习及自适应能力。通常由输入层、隐含层和输出层构成, 层与层之间实现全连接, 层内节点之间互不相连。输入层神经元首先将输入信息向前传递至隐含层节点, 经过激活函数预处理后, 隐层节点再将输出信息传送至输出层得到结果输出。输入层与输出层节点的个数取决于输入、输出向量的维数, 隐含层节点个数目前并没有统一的标准进行参考, 需通过反复试错来确定合适的数目。根据Kolmogorov定理, 具有一个隐层 (隐层节点足够多) 的三层BP神经网络能在闭集上以任意精度逼近任意非线性连续函数。

2.3 GIS空间插值技术

它首先考虑的是空间属性在空间位置上的变异分布。确定对一个待插点值有影响的距离范围, 然后用此范围内的采样点来估计待插点的属性值。该方法在数学上可对所研究的对象提供一种最佳线性无偏估计 (某点处的确定值) 的方法, 一般采用Arcgis软件进行算法实现。

3 结果分析

首先将获得的各监测站的月平均数据进行多项式拟合分析, 得到各1980~2015年各监测站的地面平均温度, 由于数据结果过多, 在此不加显示, 然后利用BP神经网络技术, 结合得到的各区域历年平均温度做预测, 得到2020年的地面数据, 结果如图1所示。

4 结论

根据图1可知2020平均温度相对于1980年而言, 既有上升的地区同时也有下降的地区, 其中上升的地区主要有三个地方, 分别为 (50°W, 75°S) , (44°W, 72°S) 以及 (160°E, 76°S) 附近, 而平均温度下降的地区主要在极点附近。这表明全球依然呈现变暖的趋势, 接近于南极圈附近的地区将可能遭受到海平面上升带来的一系列问题, 保护地球, 减少温室气体的排放, 阻止全球变暖已经刻不容缓。

参考文献

[1]陆龙哗, 卞林根, 贾朋群.南极和临近地区温度的时空变化特征[J].中国科学, 1997 (6) :27~32.

[2]戚非, 闫勇.基于MATLAB的多项式拟合[J].实验室科学, 2006, 10 (5) :63~67.