×
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。