西太平洋副热带高压异常活动特征诊断与智能预测

　　针对副高异常活动和形态变异机理复杂，对我国长江流域夏季灾害性天气影响较大的事实，首先利用SVD，NLCCA、ANFIS和信息流等人工智能方法研究副高活动异常与长江中下游地区夏季灾害性天气（如强降水、高温等）之间的关系。引入信息扩散，熵扩散和粗糙集理论等针对信息不完备的智能算法，有效地分析各种副高异常活动的不完备信息，并从中发现隐含的特征，揭示潜在的规律。再运用EOF分解与遗传算法等启发式蒙特卡罗算法，改进传统的自忆性和相空间重构方法，从副高及其东亚夏季风系统的实际观测资料构建包含季风环流背景等因素 加符合实际天气情况的副高与东亚夏季风非线性动力模型；在对反演重构的副高动力模型进行了系统深入的分岔、突变等动力特性分析和讨论，结合副高异常活动天气事实，开展副高活动与变异的机理研究，从而达到加深对西太副高变动影响长江中下游地区夏季气候变动机理的认识；探索副热带高压动力机理分析和其对长江中下游地区灾害性天气影响作用的新思路和新方法。通过研究，为西太副高变动影响长江中下游地区夏季气候变动机理提供理论依据和技术支持。

暂缺《西太平洋副热带高压异常活动特征诊断与智能预测》作者简介

引言
篇 副高及其影响因子的诊断分析
章 西太平洋副高季节内活动与亚洲夏季风系统的时延相关特征
1.1 研究资料与特征指数
1.1.1 研究资料
1.1.2 相关分析及其检验
1.1.3 特征指数
1.2 副高面积指数与夏季风系统成员关联特征
1.2.1 2010年夏季副高活动的基本事实
1.2.2 时滞相关分析
1.3 副高脊线指数与夏季风系统的关联分析
1.4 副高西脊点指数与夏季风系统成员关联分析
1.5 本章小结
第二章 西太副高及其影响因子的年际变率和年代际变率分析研究
2.1 引言
2.1.1 资料与方法
2.1.2 西太副高年际变率的研究
2.1.3 西太副高影响因子的年际变率研究
2.1.4 西太副高及其影响因子年际变率的相关性分析
2.2 基于信息流方法副高与因子的相关性分析
2.2.1 信息流
2.2.2 副高指数及影响因子的选择
2.2.3 副高脊线指数与所选因子之间的关系
2.3 本章小结
第三章 西太副高中短期活动的影响因子诊断检测
3.1 引言
3.2 资料
3.3 诊断检测方法
3.3.1 逐步回归与 子集回归
3.3.2 经验正交函数分解
3.4 副高活动的影响因子
3.5 副高面积指数影响因子的时滞分析
3.6 副高脊线指数影响因子的时滞分析
3.7 副高西脊点指数影响因子的时滞分析
3.8 本章小结
第二篇 副高变异案例库建立及其对长江中下游夏季天气影响
第四章 西太副高季节内异常活动“案例库”的建立
4.1 引言
4.2 西太副高季节内异常活动“案例库”的建立
4.2.1 资料与方法
4.2.2 西太副高季节内异常活动“案例库”的建立
4.2.3 西太副高及其影响因子的相关性研究
4.3 基于信息扩散理论的西太副高季节内异常的预报模型和诊断模型
4.3.1 资料说明
4.3.2 理论与方法
4.3.3 基于信息扩散理论的预报模型
4.4 本章小结
第五章 基于CCA和BP神经网络的副高活动异常与长江中下游地区夏季强降水的相关性研究
5.1 数据选取、处理及初步观察
5.2 研究方法与过程