Bayesian selection of threshold autoregressive models

Abstract.  An approach to Bayesian model selection in self-exciting threshold autoregressive (SETAR) models is developed within a reversible jump Markov chain Monte Carlo (RJMCMC) framework. Our approach is examined via a simulation study and analysis of the Zurich monthly sunspots series. We find that the method converges rapidly to the optimal model, whilst efficiently exploring suboptimal models to quantify model uncertainty. A key finding is that the parsimony of the model selected is influenced by the specification of prior information, which can be examined and subjected to criticism. This is a strength of the Bayesian approach, allowing physical understanding to constrain the model selection algorithm.     

辽宁省近54年旱涝特征分析及其对大气环流响应研究

在全球气候变暖背景下,探讨区域旱涝时空演变及成因对实现抗旱减灾和社会可持续发展至关重要。本文以辽宁省为研究基点,以标准化降水蒸散指数（SPEI）为旱涝量化指标,运用滑动平均、小波变换、经验正交分解等方法对辽宁省近54年旱涝时空演变特征进行分析,并结合太阳黑子和遥相关指数,运用交叉小波方法探讨旱涝特征对各因子的响应。结果表明：（1）时间尺度上,辽宁省SPEI指数存在29a的主周期和5a、9a次周期,且近54年以0.143/10a的速率向湿润化发展;（2）空间模态上,受大尺度气候系统的影响,第一模态表现为全区一致的湿润化趋势,东西反向差异为第二模态,反映了地理位置、海陆分布对SPEI指数的影响;（3）成因上,受太阳活动影响在太阳黑子数极值年份易发生旱涝灾害,两序列在时频上存在8~12a周期,表现为显著的反相位共振关系;SPEI与ENSO、NAO指数呈负相关,与PDO和AO指数呈正相关,且存在不同时间尺度的共振周期。     

基于Morlet小波的太阳活动与黄河流域径流量关系分析

太阳活动对黄河流域径流有一定影响。本文引用Morlet小波分析技术，对1919年～1997年黄河流域径流与同期太阳黑子9～11年小波系数的变化进行分析，表明黄河流域年径流与太阳黑子在不同时间段表现出不同的相关关系，在9年时间尺度上，1919年～1931年和1957年～1997年两个时段，它们与太阳黑子呈一定的负相关关系，1931年～1957年则表现为正相关关系。     

基于量子粒子群神经网络的太阳黑子数预测磁

为了提高太阳黑子数的预测精度,论文提出了一种基于量子粒子群神经网络预测太阳黑子数的模型（QPSO-BP 网络）。首先基于前18个太阳周（1755～1953）的年均值,利用量子粒子群算法优化 BP 神经网络的权值和阀值,完成网络训练训;然后对第19太阳周（1954～2013）年均值进行预测,检验模型的预测能力。与普通 BP 神经网络预测的对比结果表明,该模型在逼近能力和预测精度两方面均有明显提高,从而表明基于量子粒子群优化的训练方法对于提高神经网络预测能力具有一定潜力。     

螺河天然径流量的特征分析

分析了1956～2008年螺河天然径流量的变化特征,并对其影响因素进行了浅析。结果表明:螺河天然年径流量具有阶段性特征,年际变化存在11 a的周期;台风带来的降水对螺河径流量的年内分布不均影响很大;厄尔尼诺现象出现的次年,螺河年径流量普遍增大;太阳黑子的变化,对大气环流产生影响,从而影响了流域的降水,这是太阳黑子影响流域径流量的一个原因。