要本文以LSTM神經(jīng)網(wǎng)絡和學習算法為基礎，針對全球變暖現(xiàn)象進行了量化分析和研素決策氣候指標”等方法建立分析數(shù)學模型，利用python和編程軟件對上述數(shù)學分析天氣變化歷史數(shù)據(jù)的時空趨勢及規(guī)律，得出了隨著全球氣候變暖出現(xiàn)氣候的結論以及通過分析發(fā)現(xiàn)如下結果：（1）年平均氣溫在統(tǒng)計的26溫度整體上0.2℃/10年的趨勢上升。（4）基于海洋溫度的變化可以得到出25年的預測規(guī)律得出了全球氣候是持續(xù)變暖暖預測顯示出一種“厚尾”分布，2045年后其繼續(xù)變暖變暖的可能性更大。針對問題三：梳理收集氣象的統(tǒng)計數(shù)據(jù)，建立可表征氣象在全球范圍內發(fā)生針對問題四：以問題一中數(shù)據(jù)集和問題二三的數(shù)學模型作為參考分析了天：溫室效應極寒天氣多目標規(guī)劃LSTM神經(jīng)網(wǎng)絡機器小波分析—越險指標多一、問題重 問題背 問題提 二、問題分 三、基本假設及相關定 基本假 符號說 四、模型的建立與求 問題一：基于LSTM的氣候變化時空數(shù)據(jù)關鍵信息提取及趨勢分析模 數(shù)據(jù)來源及預處 數(shù)據(jù)來 數(shù)據(jù)的預處理的方 時間空間輸入序列數(shù)據(jù) 基于M-K的非參數(shù)統(tǒng)計檢驗分 LSTM氣候時空趨勢變化模型的建 模型的求解與結 問題二：基于多元高次多項式非線性回歸的簡化氣候預測模 相關因素影響機理分析及權重估 復雜氣候模型—子模型的建 海洋溫度模 二氧化碳含量模 人口及經(jīng)濟發(fā)展模 厄爾尼諾以及拉尼娜周期變化模 復雜氣候模型—子模型數(shù)據(jù)的收集與預處 人口因 森林覆蓋 基于能量守恒的多因素復雜氣候模型的建 基于多元高次多項式非線型回歸的模型簡化與求 模型的求解與結 問題三：考慮氣候現(xiàn)象的“小波分析-越險指標”天氣預測模 4.3.1天氣機理分 小波分析的氣候現(xiàn)象周期趨勢分 確定小波變換參 極寒天氣周期預測函 開關函 基于越險風險指標的極寒天氣閥值計算模 模型的求解與結 問題四：表征全球變暖的新概念“多因素氣候決策指標”的提 分析數(shù) 統(tǒng)計分析及結 五模型的評 模型的優(yōu) 模型的缺 六參考文 七附 溫室效應又稱為“花房效應”，是大氣保溫效應的俗稱呼，自工業(yè)以來，人類向起了全球氣候變暖等一系列極其嚴重的問題，這些溫室氣體對來自輻射的可見光具有家認為，全球變暖可能導致的氣象的產(chǎn)生[4]，導致全球降水量重新分配、冰川和凍土消融、海平面上升等人類生存的因素。不過，雖然溫室氣體的濃度在不斷上升，21世紀以來，10全球全年平均氣溫上升率僅為0.03℃，幾乎未變化，這種現(xiàn)象叫作全球變暖停滯狀態(tài)。正因為出現(xiàn)全球變暖，使公眾對全球變暖產(chǎn)生了但過去這方面的時空數(shù)據(jù)并不完整，給統(tǒng)計計算帶來極大。不僅如此，海洋吸收熱量本文以此為背景，主要考慮一下幾個問題：（1）對于和全球海洋時空序列進行數(shù)據(jù)分析得出模型在空間多測度、時間多時相分析天氣變化歷史數(shù)據(jù)的時空趨勢及規(guī)律；（2）25（3）極寒天氣的天氣預測數(shù)學模型說明全球變暖與巨地極寒現(xiàn)象之間是否；（4）基于前文數(shù)據(jù)分析和預測模型反映的氣候變化機理，說明全球變暖和實際感官之間的關系且提出一種全新的概念來表明這種走勢。全球氣候變暖影響世界范圍內氣候系統(tǒng)的動態(tài)平衡，可能出現(xiàn)越來越多氣象，導候變暖的解釋是由于溫室效應不斷積累所致[1]，這些溫室氣體對來自輻射的可見光具CGE模型以及模擬模型三大類，上述模型的目標函數(shù)分為福利最大化和成本最小化，氣候模型的求解以及分析的機器學習算法主要有：BP神經(jīng)網(wǎng)絡；RNN神經(jīng)網(wǎng)絡；LSTM神專業(yè)氣候模型對于非專業(yè)難以理解和認識全球氣候變化的態(tài)勢，難以氣候變化、氣候與全球氣候變暖的關聯(lián)性。問題一：為提取、挖掘178個氣溫觀測站近25年天氣變化數(shù)據(jù)、海洋表面溫問題二：為建立刻畫氣候變化的模型并預測25的氣候變化，但全球氣候變化需30年的全球氣候變化數(shù)據(jù)及影響因素的基礎上，分析全球氣候變預測模型驗證模型的準確性并且得出未來25年的預測規(guī)律。問題三：為研究氣象與氣候變化的關系以及全球變暖與局部極寒現(xiàn)象的關系，問題二數(shù)據(jù)及地氣系統(tǒng)平衡模型的基礎上，梳理收集氣象的統(tǒng)計數(shù)據(jù)，建立可表征模型對問題二中的模型進行修正進而構建考慮極寒天氣的全球氣候互反饋綜合模型反映整體氣候變化引起，全球變暖與局部極寒現(xiàn)象的關系。候模型與氣候模型基礎上，在時間維度與空間維度充分考慮全球變暖在全球范圍大尺AB假設活動穩(wěn)定，對地球提供的總熱量恒定不變C假設宇宙沙塵濃度不發(fā)生變化，即與地球之間熱量傳遞介質理化性質不發(fā)生EFXiZt輸對于歷史時空數(shù)據(jù)進行，本文選用的氣象時空數(shù)據(jù)來源于63個城市，數(shù)據(jù)統(tǒng)計項分為平均溫度和最高溫度以及最低溫度，由于幅員遼闊并且分們從所有城市中選取64個城市，城市測點分布如圖，城市的選取原則如下：A測點應覆蓋的各類氣候類型地區(qū) D測點應該覆 后基于RClimDex軟件對數(shù)據(jù)異常值與錯誤值進行過濾篩選，以滿足分析要求。當待檢站海拔高度在2500m當待檢站海拔高度在2500mdTdt上升或下,d )iTi dt其中，T代表氣溫，i計算待檢站dTdt序列與站dTdt序列的相關系數(shù)rk1，針對每個待檢站找出與其相關較高的4~5個站（以下簡稱高相關站）。ndTdt dT r ndTdt dT mdt22dtmdt22dtkmdt22dtl

其中，k代表待檢站的差分序列，l代表站差分序列，n表示時間序列長度，i表將每個待檢站對應高相關站的年尺度氣溫序列分別求其氣候平均（1980年—2006年）考序列及待檢站利用（1）分別進行差分處理，并利用(2)將兩個差分序列進行相1全球海洋時空云圖（部分2全球海洋差值時空云圖（部分3全球海洋差值時空云圖（部分4全球海洋差值時空云圖（部分5全球海洋差值時空云圖（部分下：T[(u,v),t]。T表示全球海洋或溫度值；u為經(jīng)度；v表示緯度；t表示時間。Mann-Kendall方法是一種非參數(shù)統(tǒng)計檢驗方法[6]，具有樣本不需要遵從一定分布、結檢驗氣象要素時間序列是否發(fā)生了突變。利用M-K檢驗可以對上述數(shù)據(jù)進行統(tǒng)計檢驗。,...,x，Mann- Ssgn（xj- i=1式中：SMann-Kendallxij個2jn數(shù)據(jù)值；n為氣溫時間序列長度；而sgn則為符號函數(shù)，其定義如下：sgn()0,1,

nVar(S)

式中：是第i組的數(shù)據(jù)點的數(shù)目

S ,SZ

0,SS1,S

圍來判斷氣溫時間序列變化是否顯著，當時（α為顯著性檢驗水平），表明氣Median(

xj

i式中：，n為氣溫時間序列的長度；β值為正，表示氣溫呈“上升趨勢”，Mann-Kendall突變檢驗方法[7]，常用與識別氣象和水文領域中的突變現(xiàn)象，可明確指nXix1x2,xn，

Ski

(k2,3,. (j1,2 0,x SkE(SkVar(SkVar(Sk

,(k1,2,..., 式中：UF10,E(Sk和Var(Sk分別表示秩序列SkE(S)k(k1),(2k Var(S)k(k1)(2k5),(2k Xi(x1x2xn存在明顯的變化趨勢。然后，在按氣溫時間序列Xi的逆序列一般情況下，取顯著性水平0.05，則臨界值U0051.96將UFk和UBk兩個統(tǒng)計量Xix1x2xn呈上升趨勢，Xix1x2xn0則表明氣溫時間序列呈下降圖 LSTM模型用塊取代傳統(tǒng)的隱含節(jié)點[8]，使梯度在訓練展開比較長時不或爆KNNLSTM模型部分為塊，由輸和遺忘門以及輸出門組成，一個塊在t時刻的計算過it(wxixtwhiht1wcict1bi)ft(wxfxtwhfht1wcfct1bfo(wxw wcb xo ho co ctct1ftitcthtottanhctctt時刻細胞的更新狀態(tài)：itftotct、ht分別表示輸、遺忘門、輸出門、細胞以及隱藏層在t時刻的輸出：xt表示t時刻的輸入：ht-1、ct-1分別表示隱藏層 細胞的權值，w、w、w分別為遺忘門 xt、輸出層、細胞的權值，wxo,who,wco分別為細胞與xt、輸出層、 值；為點乘，為sigmoid激活函數(shù)；bc、bi、bf、bo為偏倚[9]。圖 LSTM細胞結構示意

Step3：M-K非參數(shù)統(tǒng)計

n- Ssgn（xj-xi）i=1j=i+1

UFk

SkE(SkVar(Sk,(k1,2,Var(SkA:M-K趨勢檢驗指標[10]；B:M-K突變趨勢檢驗指標；C:平均氣溫線性擬合圖；變化分析圖G:全球海溫年變化云圖8站點選取了的150個城市的氣候數(shù)據(jù)，由于不同站點之間收集到的氣候數(shù)據(jù)的RClimDex軟對比，故本次數(shù)據(jù)在相鄰站點線性回歸的基礎之上，在不同站點之間的時間范圍尺度對其進行擬合，得到26溫度變化的大致趨勢，該趨勢用timeliness-tendency(TK)指標來評價，即表示該擬合線段的斜率值，斜率越大，說明該地區(qū)在這26溫度變化的，65432198019851990199520002005時間(年)圖9年平均氣溫變化26年區(qū)間，年平均溫度是不斷波動的，但整體呈上升趨勢；圖timeliness-tendency值為正，也能基本判定溫度上升的整體對63個站點的氣候數(shù)據(jù)圖根據(jù)來進行聚類分析，把相近的站點劃分為 99887 6198019851990199520002005

5198019851990199520002005 1198019851990199520002005

198019851990199520002005PRINCEGEORGEA SIOUX76543198019851990199520002005ST10由圖可知，各個站點的年平均氣溫變化趨勢都是不斷上升的，同樣用與的年平均氣溫變化趨勢是相符的。在1995年—2000年，5個站點的年平均氣溫都發(fā)生了較大的波動，說明該在這5，出現(xiàn)了極熱或極寒天氣。把63個站點依據(jù)時間屬性空間屬性劃分為5類“站點”，通過計算出這5一類 二類 三類 四類20201995115由圖可知，在1980年—2006，5個“站點”的年平均溫度的變化趨勢總體相似。981年、1987年、1991年、1994年、199920031982年、1985年、1989年出現(xiàn)波谷。1995年前，第三、四、五類站點變化波動相似，第二類站點變化差別較大，1995年之后，第二、三、四類站點波動趨于相似，第五類站點與前三類差別較大。較為平穩(wěn)。在26，第二類站點的溫度下降了4℃左右，第三、四類站點上升2-3℃，第五類站點下降2℃左右，第一類站點變化較小。根據(jù)前面各站點年平均氣溫變化圖中擬合出的timeliness-tendency值，在空間上對其進行分析。timeliness-tendency值的絕對值大小反映了該地區(qū)在26的年平均氣溫的變化速率，TK值為正時，TK越大，表明該地區(qū)的年平均氣溫上升得越快；TK為負是，表由冷色帶向暖色逐漸增加，通過觀察圖中顏色的變化可以快速看出某地區(qū)26的溫度126397%TK值都為正[12]，說明加的TK最大，為0.127，說明該地區(qū)在26的溫度上升是最快的，此處的氣候環(huán)境變化為了統(tǒng)計63個測點的的年平均溫度離散情況，對每個站點在26的溫度變13站點處在26的溫度波動范圍最大。度建立三溫度變化曲線，可以直觀的觀察出空間上不同站點的溫度情況。1426為緯度范圍內，不同經(jīng)度地區(qū)的26年平均溫度有所波動，是由于的地域遼闊，不6420404244464850525456581554度附近出現(xiàn)了 年份(年)16圖 1827年3-8月全球海溫變圖 1919年2-7月全球海溫變圖 1957年2—8月全球海溫變203-87個月左右。由于存在厄爾尼諾的現(xiàn)象以及其他的天氣情況，導致全球海洋表面溫度上升出現(xiàn)的年份、持續(xù)的時間不同于一年中281800-1964年上來看，北冰洋溫度0℃一下，是由于受到地理位置的影響所導致的特殊性。但從其他海洋，如太平

年份(年)圖 圖 1828年厄爾尼諾現(xiàn)象圖 1891年厄爾尼諾現(xiàn)象2419261828年、1891年、1926年左右有著明顯的突變，查資料可知，在這幾年中均溫度也以0.2℃/10年的速度持續(xù)增長。由上述可知，18001964球海洋及各大洋整體相同的表面溫度上升趨勢表明溫室效應引起的全球變暖趨勢正逐步增強。性可以表征為穩(wěn)定不變或者以某種規(guī)律穩(wěn)定變化，為研究復雜氣候模型的“穩(wěn)定模態(tài)特征”，需對引起氣候變化的各類影響因素進行分析以及歸類。以自然因素和人為因素作為影響氣候狀態(tài)的三級指標，以輻射等6個因素作為二級指標，以海洋溫度等18個一級指標作為輸入觀測變量。25111212313 1 2 3 131232333

將樣矩陣本記為H，

141 H1 H 242 2 .

... 3 (,,)H (,,)H 2i 3 i j j 式中：, k1k1kc(31)min(0,kc

(31)23min(,j2 i c STFPython進行程序實現(xiàn)求出各圖 圖 T=HGHL 式中：T為氣溫；HG為感熱通量；HL為潛熱通量；HR為輻射差額；P為空氣密度；C為 HwHwHs T+Ts T=- V[(u,v),t] Ts 二氧化碳對于地球的影響是基于地球系統(tǒng)的能量平衡：地球所有的能量來源均來自于釋放的短波輻射，到達地球后，一部分被地表（或大氣層）反射（或散射）到宇宙一分表。俗，地后發(fā)部統(tǒng)的[20]圖 MLO(t)=23MUP(t-1)+33MLO(t-1)

Eindustryu,v,t

u1

u1

ulongitudevlatitudeEu,v,tF(t)=klog c g(t)=gL(t- L LgL

式中：N Z[(u,v),t] 而產(chǎn)生的一種現(xiàn)象。正常情況下，熱帶太平洋區(qū)域的季風洋流是從美洲亞洲，使太平洋表面保持溫暖，給周圍帶來熱帶陣雨。2930ME[(u,v),t]sin[sen(tte) ML[(u,v),t]cos[sfn(ttl)

年—20164個主要因素的數(shù)據(jù)，在每個洲中根據(jù)不同國家的貧富差距、面積大小，地到所有國家的人口變化速率，對人口在1.5×10^8以下的國家另行統(tǒng)計，如圖。在此基礎上統(tǒng)計出34個國家總的人口數(shù)量在26的變化情況，如圖。年份(年)0199019952000200520102015時間(年)圖 34個國家在26的人口變化情況（顏色不同的點代表不同國家圖3234個國家在26的總人口變化情由圖可知，26全世界范圍內人口數(shù)量總體呈現(xiàn)上升趨勢，但該上升的趨勢是較為平緩的。其中，的人口增長速率是最快的，在34個國家中只有兩個國家的人口數(shù)量統(tǒng)計到34個國家在26國內生產(chǎn)總值的變化情況，如圖，為更加清晰的觀測到所GDPGDPGDP波動情況圖，如圖。除此之外，再分析34個國家總的國內生產(chǎn)總值，如圖。

19901995200020052010圖 34個國家在26的GDP值變化情圖3434個國家在26總的GDP值變化情數(shù)值有所降低，但總體來說是呈現(xiàn)上升趨勢的。其中，的GDP基數(shù)最大且增長速率最快，在2008年由于金融的原因，GDP數(shù)值有所下降。34個國家總的GDP值在26總體是不斷上升的，在2004年前增長速率交緩，在2004年之后增長速度變快。統(tǒng)計出34個國家在26CO2排放量變化情況，如圖。除此之外，再分析34個國家總的CO2排放量變化情況，如圖。019901995200020052010圖 34個國家在26的CO2排放量變化情19901995200020052010圖 34個國家在26總的CO2排放量變化情由圖可知，CO220072007年之后，CO2排放量急199019952000200520102015圖 34個國家在26的森林覆蓋率變化情),Q[(u，v)，t]-Q[(u，Q[(u，v)，t]=Z[(u,v),t]X[(u,v),t]C[(u,v),t]ME[(u,v), Q[(u，v)，t]=X[(u,v),t]V[(u,v),t]C[(u,v),t]ML[(u,v), ME[(u,v),t] te) EML[(u,v),t]cos[sfn(ttl) MeMl為拉尼娜影響周期函數(shù)；1Y01Xk2X2k...pXpk 1XkXkXkXk-；......為回歸系數(shù)；e為不可觀測的隨機誤差；K

01 劃分基礎數(shù)據(jù)集為訓練集和測試集。為了機器學習所得數(shù)學模型的擬合程3:1的比例隨機劃分為“訓練集”和“測試集”，“訓練集”用于機器學習而“測試集”用于“訓練集”所得數(shù)學模型的擬合程度，訓練集并不參與機0-0.3之間為弱相關，0.3-0.6之間為弱相關，0.6-1.0之間為強相關，相關系數(shù)表達式如式。Rcov(XX

為目標的LS估計法。 (XX)X 式中：X為變量場純量矩陣；YROC曲線和精度指標（判定系數(shù)）測試線性回歸模型的精度。將“測試集”中 (yR2 R (yii 1)QQ0,

Q

0, 1 2 pYXkXk...X 1 2 p25年的溫度趨勢，將兩種模其形式更加簡單并且利于非專業(yè)對于氣候變化趨勢的理解。圖 把上述的人口數(shù)量、GDPCO2排放量前一年到第二年的比值考慮為變化因子，分析3個因素在26圖 全球25年溫度預測北半球北半球，中西部寒氣 。1月30日，芝加哥早上的氣溫降到-23℃，打破了1966年創(chuàng)的-15℃。 寒冷新“巔峰”，氣溫低至-38℃，風速35英里/小時，風寒指數(shù)-70，突破最低紀南半球，澳大利亞酷暑難耐。12446.6715927200357月3日到10日期間，摩洛哥在7月3日經(jīng)歷了43.4攝氏度的創(chuàng)高溫量守恒的多元高次多項式氣溫預測模型得出在未來25年內的變化趨勢如上圖所示，全球由預測模型計算出在2045年左右全球平均氣溫將升高0.6攝氏度左右。環(huán)流條件的變化，1.52030年左右的一半時間內通過，22045年左右通過。同時變暖預測顯示出一種“厚尾”分布，其變暖的可能性更大，遠遠超候21004攝氏度多一點。如果經(jīng)濟增長繼續(xù)甚少。由此我們的預測全球溫度在2045年上升0.6℃是一個合理的預測結果。4.3.1天氣機理分 如果該產(chǎn)生一個平均極值或總極值(如:某個季節(jié)的干旱或暴雨)。圖40 表1 7551.3西海岸受到炎熱天氣影響。7852 郊區(qū)最高氣溫48.9攝氏度。了超過8萬公頃的森林?；馂?。61716476月中下旬以來，多地進入季風雨季，雷電暴雨天氣頻發(fā)。 10日 平均降水量為歷史最多，達到730毫米，較年偏多16%。溫度高、降水多、 溫為1961年來最高。人遇難的颶風“”稱為母小波（motherwavelet）的振蕩波形來表示信號。該波形被縮放和平移以匹配輸入的2有有有有有有有有12n-2n-圖 Tcoldklnt 式中：k為變化速率系數(shù)；b =sin[sen(ttextreme) klnt 利用前述小波分析的氣候現(xiàn)象周期趨勢分析可以對天氣出現(xiàn)的年份進行預測，但是并未考慮到天氣氣候時空序列相關上下限閥值，由天氣的定義可知 Sk

longitude

通過對極寒天氣發(fā)生的年份進行小波分析，然后通過非線性擬合得到天氣發(fā)生時平均溫度的差值波動進行越險指標分析得到天氣發(fā)生嚴重指標，對上述開關函數(shù)和嚴重指標進行組合得到“小波分析-越險指標”的氣候現(xiàn)象天氣預測模型如下：Hswit 基于本問題中的“小波分析-越險指標”的氣候現(xiàn)象天氣預測修正模型表達圖 極寒天氣振蕩曲圖 全球變暖與局地極寒天氣的出現(xiàn)并不，因為基于以上兩圖的分析，隨著全4.4.1對1950年—2019的厄爾尼諾和拉尼娜的發(fā)生情況進行了統(tǒng)計，包括發(fā)生的表 ENSO歷史統(tǒng)計序號間度級序號間度級類型16弱2 7弱45弱事6強76弱件86弱95弱77弱6弱

序號間度序號間度級類型弱1- -39-弱4事-5-6件-79-弱8-強97-弱-5-弱--8-弱6-弱4.4.2繪出1950年~2018厄爾尼諾和拉尼娜的強度等級數(shù)值圖。195019601970198019902000時間(年)圖 之后，共發(fā)生3次超強的厄爾尼諾，且發(fā)生的次數(shù)有所增加。

195019601970198019902000時間(年)圖 時間(年)圖 算帶來了極大的。同時，這些影響因間也會相互影響，同時生態(tài)系統(tǒng)也是一個循LSTM [1],蔡榕碩,郭海峽.中國東部氣溫特性及其氣候特征[J].地理科學,關鍵作用[J].中國科學:地球科學,1335-1345，2019,陸晴,,趙東升.1961-2016年江西省氣候時空變化特征[J].水土保持研究,JunmingFan,HuiHong,HongguangJin.LifecycleglobalwarmingimpactofCO2capturebyin-situgasificationchemicalloocombustionusingilmeniteoxygencarriers[J].JournalofCleanerProduction,2019,234.PaoloFasli,MoniaRenzi.Exposureofkeymarinespeciestosunscreens:Changingecotoxicityasapossibleindirecteffectofglobalwarming[J].MarinePollutionBulletin,2019.Xiao-YongWang,Han-SeungLee.EffectofglobalwarmingontheproportionaldesignoflowCO2slag-blendedconcrete[J].Cons