基于分位数回归模型和经验模态分解的全球变暖问题研究

doi:10.12066/j.issn.1007-2861.2293

上海大学学报(自然科学版) ›› 0, Vol. ›› Issue (): 152-163.doi: 10.12066/j.issn.1007-2861.2293

基于分位数回归模型和经验模态分解的全球变暖问题研究

肖洁¹，艾敏¹，倪中新^1,2

1.上海大学经济学院, 上海 200444； 2.上海大学金融信息研究中心，上海 200444

收稿日期:2020-03-07 发布日期:2024-02-29
通讯作者: 倪中新（1975—）,男，教授，博士生导师，研究方向为统计学、金融计量经济. E-mail:zhongxinni@i.shu.edu.cn
基金资助:
国家自然科学基金资助项目(71301099)

Global warming research based on quantile regression model and empirical mode decomposition

XIAO Jie¹, AI Min¹, NI Zhongxin^1,2

1.School of Economics, Shanghai University, Shanghai 200444, China; 2. Financial Information Research Center, Shanghai University, Shanghai 200444, China

Received:2020-03-07 Published:2024-02-29

摘要/Abstract

摘要： 利用分位数回归模型和经验模态分解 (empirical mode decomposition, EMD) 方法对气候及其变化进行分析和预测. 首先, 采用全球热力图对气温数据进行描述统计, 并采用经验模态分解方法降噪获取趋势项来引入全球气温周期概念, 探究全球气候变暖趋势; 然后, 基于多元线性回归模型及分位数回归模型寻找全球气温的影响因素, 并对气温进行建模及预测. 研究结果可为全球气候分析提供统计学支撑.

关键词: 温室效应, 全球变暖, 分位数回归, 经验模态分解

Abstract: The purpose of this study is to analyze climate’s variation trend and forecast the climate. The main methods are known as quantile regression and empirical mode de- composition (EMD). Firstly, a global heat map is utilized for the descriptive statistics of global temperature data. The EMD method is applied for data denoising to analyze global temperature’s variation trend, and the concept of global temperature cycle is introduced. These aim to study the trend of global warming. Secondly, the multivariate linear regres- sion model and the quantile regression model are applied to identify factors influencing global temperature. Then the temperature model is built to predict temperature changes. The findings can provide statistical support for global climate analysis.

Key words: greenhouse effect, global warming, quantile regression, empirical mode de- composition (EMD)

中图分类号:

N 32

肖洁, 艾敏, 倪中新. 基于分位数回归模型和经验模态分解的全球变暖问题研究[J]. 上海大学学报(自然科学版), 0, (): 152-163.

XIAO Jie, AI Min, NI Zhongxin. Global warming research based on quantile regression model and empirical mode decomposition[J]. Journal of Shanghai University（Natural Science Edition）, 0, (): 152-163.

[1]	张发赶, 何幼桦. 基于非对称拉普拉斯分布的混合分位数回归参数估计[J]. 上海大学学报(自然科学版), 2021, 27(3): 601-610.
[2]	钟旺, 李春祥. 基于极限学习机的非平稳下击暴流风速预测[J]. 上海大学学报(自然科学版), 2018, 24(3): 446-455.
[3]	蔡赟姝,卢志明. 基于经验模态分解的上证综合指数时间序列分析[J]. 上海大学学报(自然科学版), 2012, 18(4): 384-389.
[4]	〖HTK〗段希波;张计光;;颜勇. 基于HilbertHuang变换的多自由度参数辨识[J]. 上海大学学报(自然科学版), 2006, 12(4): 403-407 .

基于分位数回归模型和经验模态分解的全球变暖问题研究

Global warming research based on quantile regression model and empirical mode decomposition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 4

编辑推荐

Metrics

本文评价