卡斯滕·斯坦豪斯;尼提什·查拉。;Auroop R.甘古利。 复杂网络作为气候科学中描述性分析和预测建模的统一框架。 (英语) 兹比尔07260299 统计分析。最小数据。 4,第5期,497-511(2011)。 摘要:气候数据的分析在很大程度上依赖于假设驱动的统计方法,而对未来气候的预测主要基于基于物理的计算模型。然而,近年来出现了大量新的数据集。因此,我们采取了一种更加以数据为中心的方法,并提出了一个研究气候的统一框架,旨在表征观测到的现象,并发现气候科学的新知识。具体来说,我们假设复杂网络非常适合于描述性分析和预测建模任务。我们表明,“气候网络”的结构特性在该领域内具有有用的解释。此外,我们从这些网络中提取聚类,并证明其作为气候指数的预测能力。我们的实验结果表明,与使用更传统的聚类方法得到的聚类相比,网络聚类在统计上具有更好的预测效果。使用复杂网络作为数据表示,从而为描述性和预测性建模提供了一个独特的机会,以相互通知。 引用于4文件 MSC公司: 62至XX 统计 68倍 计算机科学 关键词:复杂网络;气候数据;网络分析;社区检测;多元预测模型 软件:算法97;鲁万将军 PDF格式BibTeX公司 XML格式引用 \textit{K.Steinhaeuser}等人,《统计分析》。数据最小值4,第5号,497--511(2011;Zbl 07260299) 全文: 内政部 参考文献: [1] H.von Storch和F.W.Zwiers,《气候研究中的统计分析》,剑桥大学出版社,英国剑桥,1995年。 [2] W.D.Collins,《社区气候系统模型:CCSM3》,J Clim 19(11)(2006),2122-2143。 [3] A.A.Tsonis和P.J.Roebber,《气候网络的架构》,《物理A 333》(2004),第497-504页。 [4] M.Steinbach,P.-N.Tan,V.Kumar,S.Klooster和C.Potter,使用聚类的气候指数发现,在ACM SIGKDD知识发现和数据挖掘会议上,2003446-455。 [5] F.Lin、X.Jin、C.Hu、X.Gao、K.Xie和X.Lei,在全球气候数据集中使用数据挖掘技术发现遥相关,数据科学J 6(增补)(2007),S749-S755。 [6] P.J.Mucha、T.Richardson、K.Macon、M.A.Porter和J.-P.Onnela,《时间相关、多尺度和多重网络中的社区结构》,《科学》328(5980)(2010),876-878·Zbl 1226.91056号 [7] Q.Schiermier,《气候科学的真正漏洞》,《自然》463(2010),284-287。 [8] E.Kalnay,NCEP/NCAR 40年再分析项目,BAMS 77(3)(1996),437-470。 [9] http://www.cdc.noaa.gov/data/gridded/data.ncep.reanalysis。html[上次访问时间:2010年3月]。 [10] http://www.cgd.ucar.edu/cas/catalog/climind/[上次访问时间:2010年3月]。 [11] J.F.Donges、Y.Zou、N.Marwan和J.Kurths,《气候网络的主干》,Europhys Lett 87(4)(2009),48007。 [12] A.A.Tsonis、K.L.Swanson和P.J.Roebber,网络与气候有什么关系?BAMS 87(5)(2006),585-595。 [13] K.Yamasaki、A.Gozolchiani和S.Havlin,《厄尔尼诺对全球气候网络的影响》,《物理评论》100(22)(2008),157-179。 [14] K.Steinhaeuser、N.V.Chawla和A.R.Ganguly,《使用复杂网络探索气候数据》,载于《ACM SIGKDD从传感器数据中发现知识研讨会》,2009年,23-31页,随后发表在《ACM SIGKDD Explor 12(1)》(2010),第2532页。 [15] J.F.Donges、Y.Zou、N.Marwan和J.Kurths,《气候动力学中的复杂网络》,《欧洲物理杂志》专题174(2009),157-179。 [16] A.Serrano、M.Boguna和A.Vespignani,提取复杂加权网络的多尺度主干,PNAS 106(16)(2009),8847-8852。 [17] R.W.Floyd,《算法97:最短路径》,通信ACM 5(6)(1962),第345页。 [18] D.J.Watts和S.H.Strogatz,《小世界网络的集体动力学》,《自然》393(1998),第440-442页·Zbl 1368.05139号 [19] R.G.Fovell和M.-Y.C.Fovell,《使用聚类分析定义的相邻美国气候带》,J Clim 6(11)(1993),2103-2135。 [20] S.Wasserman和K.Faust,《社会网络分析:方法和应用》,剑桥大学出版社,英国剑桥,1994年·Zbl 0926.91066号 [21] S.Asur、D.Ucar和S.Parthasarathy,《蛋白质相互作用图聚类的集成框架》,生物信息学23(13)(2007),29-40。 [22] R.Guimer´a、S.Mossa、a.Turtschi和L.a.N.Amaral,《全球航空运输网络:异常中心性、社区结构和城市的全球角色》,美国国家科学院院刊102(22)(2005),7794-7799·Zbl 1135.90309号 [23] M.E.Newman,《发现和评估网络中的社区结构》,《物理评论》E 69(2003),026113。 [24] K.Steinhaeuser和N.V.Chawla,《识别和评估复杂网络中的社区结构》,模式识别快报31(5)(2010),413-421。 [25] S.Fortunato,《图形中的社区检测》,Phys Rep 486(2010),75-174。 [26] A.A.Tsonis、G.Wang、K.L.Swanson、F.A.Rodrigues和L.da Fontura Costa,气候网络中的社区结构和动态,Clim Dyn(2010)Online First,doi:10.1007/s00382-010-0874-3。 [27] P.Pons和M.Latapy,《使用随机行走的大型网络中的计算社区》,《图形代数应用》10(2)(2006),191-218·Zbl 1161.68694号 [28] D.P.Chambers、B.D.Tapley和R.H.Stewart,《与厄尔尼诺现象一致的印度洋异常变暖》,《地球物理研究杂志》104(C2)(1999),3035-3047。 [29] K.K.Kumar、B.Rajagopalan、M.Hoerling、G.Bates和M.Cane,《揭开厄尔尼诺期间印度季风失败之谜》,《科学》314(5796)(2006),第115-119页。 [30] R.R.Rogers和M.K.Yau,《云物理短期课程》(第三版),Butterworth-Heinemann,马萨诸塞州沃本市,1989年。 [31] L.W.O'Neill、D.B.Chelton和S.K.Esbensen,SST引起的南大洋风应力场季节性时间尺度扰动观测,J Clim 16(14)(2003),2340-2354。 [32] K.A.Emanuel,《大气对流》,牛津大学出版社,纽约,1994年。 [33] S.Bialonski、M.-T.Horstmann和K.Lehnertz,《从大脑到地球和气候系统:小世界互动网络与否?混沌20(2010),013134。 [34] A.A.Tsonis和K.L.Swanson,《厄尔尼诺和拉尼诺网络的拓扑和可预测性》,《物理评论》第100期(2008年),第228502页。 [35] T.Vincenty,椭球面上测地线的正解和逆解及嵌套方程的应用,Surv Rev 23(176)(1975),88-93。 [36] W.R.Tobler,《模拟底特律地区城市增长的计算机电影》,《经济地理》46(2)(1970),234-240。 [37] A.A.Tsonis、K.L.Swanson和G.Wang,《大气遥相关在气候中的作用》,《气候杂志》21(12)(2008),2990-3001。 [38] http://cdiac.ornl.gov/climate/indices/indices_table.html[上次访问时间:2010年3月]。 [39] C.F.Ropelewski和P.D.Jones,塔希提岛-达尔文南部振荡指数的扩展,Mon Weather Rev 115(1987),2161-2165。 [40] A.Gozochiani、K.Yamasaki、O.Gazit和S.Havlin,《气候网络闪烁链接模式遵循厄尔尼诺事件》,Europhys Lett 83(2)(2008),28005。 [41] P.A.O’Gorman和T.Schneider,《21世纪气候变化模拟中极端降水增加的物理基础》,《美国国家科学院学报》106(35)(2009),14773-14777。 [42] M.Sugiyama、H.Shiogama和S.Emori,《MIROC和IPCC气候模型中超过含水量增加的降雨量极端变化》,美国国家科学院院刊107(2)(2010),571-575。 [43] X.Wu,V.Kumar,J.R.Quinlan,J.Ghosh,Q.Yang等。数据挖掘中的十大算法,知识信息系统14(1)(2007),1-37。 [44] H.F.Diaz、M.P.Hoerling和J.K.Eischeid,ENSO变率、遥相关和气候变化,《国际气候杂志》21(2001),1845-1862。 [45] F.M.Hoffman、W.W.Hargrove和D.J.Erickson,《使用集群气候机制分析和比较完全耦合的大气环流模型的预测》,《地球相互作用》9(10)(2005),1-27。 [46] J.Demásar,《多数据集分类器的统计比较》,《马赫学习研究》第7期(2006年),第1-30页·Zbl 1222.68184号 [47] M。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。