南極冰川融化率的時間序列分析和 ARIMA 預測模型 (2022-US-EPO-1120)Mason Chen，學生，斯坦福職業健康與安全學院
JMP 高級分析技術支持工程師 Patrick Giuliano
Steams 顧問 Charles Chen
這篇 STEM 論文研究了從 2002 年 4 月到 2021 年 3 月的時間序列南極冰川質量。本文的目的是預測 2021-2041 年的南極冰川質量水平。 在四個 STEM 組成部分中：科學是冰川的地球科學；技術正在使用 GRACE-FO 衛星收集冰川冰蓋質量數據；工程學將關注 COVID-19 因素對冰川融化率的影響，而數學則主要關注時間序列 ARIMA 模型。 研究和比較了非季節性和季節性 ARIMA 模型。12 個月的季節性模式和長期的年度趨勢均得到顯著觀察。根據季節性 ARIMA 模型，冰川融化速度快了 2%。平滑模型也在季節性 ARIMA 模型中得到顯著識別，以平滑隨機噪聲分量以增強時間序列趨勢和季節性分量以增強預測模型。 預測 2021-2041 年的冰川融化將是一項具有挑戰性的任務，要解決從今天開始更長的水平時間的季節性和趨勢因素。如果超過 5 年，預測區間將變得太寬而無法預測未來的冰川融化速度。 季節性 ARIMA 模型可以提供比非季節性 ARIMA 模型更好的擬合。STEM 方法是現代 GRACE-FO 技術通過數學 ARIMA 預測分析在實際工程意義上進行科學研究項目的強大而全面的方法。
你好，每個人。
我是石匠。
噸今天，患病的是呈現A學習
在南極冰川熔化率使用時間系列平台。
這動機在後面這項目曾是那我們通緝到調查
這長的-學期效果的氣候改變，
和我們有針對性的地點最多做作的經過全球的變暖，
哪個是南極洲和格陵蘭。
之前，我們嘗試過使用平滑和分解技巧
到學習和預報這冰川融化速度。
但許多的那些楷模有相當重要的限制。
為了例子，他們是無法到考慮這季節性的或者趨勢圖案。
到提升這預測準確性和精確，
我們通緝到嘗試其他方法，這樣的作為這華宇模型，
哪個是我們的主要的重點為了今天。
這客觀的的這推介會是到利用時間系列平台在 JMP 中
到檢查這冰川融化大量的數據從2002年到2021年，
和到預報這冰川融化費率為了這下一個20年。
為什麼是我們學習冰川融化費率
反而的，為了例子，大氣的溫度？
應該我們學習這格陵蘭冰床單或者這南極冰床單？
出色地是學習這南極數據因為這速度
A噸哪個思韋茨冰川在南極洲是融化
有到過迅速增加在這過去的年
在條款的這表面高度。
這思韋茨冰川是重要的
因為它是這最廣泛的冰川在這世界
和已經貢獻到4%的全球的海等級上升。
但什麼是更多的關於是那最近，在2021年，
科學家們成立那那裡曾是更多的溫暖的水
下這冰川比之前想法，
哪個可以有甚至更多的可怕的結果
在條款的更遠貢獻到海等級上升。
我們想到幫助預報
這南極冰川融化速度通知這民眾
關於這效果的全球的變暖和帶來更多的意識
到這問題那氣候改變能原因。
我們得到我們的數據從這美國宇航局網站，作為顯示在這正確的，
和我們轉變這數據進入跳轉,作為你能看在這左邊邊。
現在，這南極大量的是測量的在千兆公噸，
和1個公制噸是平等的到1,000公斤。
什麼時候你得到公制噸，它是平等的到10¹²公斤。
這GRACE-FO使命，哪個是在哪裡日是數據曾是集，
措施這大量的變化。
它是不是這全部的大量的，
哪個是幾乎不可能的到措施，
但這改變在大量的相對的到四月2002年，
什麼時候這優雅使命開始追踪冰川大量的變化。
之前，作為我說，
我們使用這平滑反對-作品楷模，
但這些技巧任何一個失敗到考慮
這非線性的向下趨勢在冰川大量的
自從這冰川融化速度是增加超過這年，
或者這些楷模失敗的到考慮這季節性的變化。
溫暖的幾個月是去到有A快點融化速度。
我們通緝到使用華宇模型
因為我們希望到提升這趨勢所以那它是非線性的
和還包含這季節性的成分在這相同的時間。
我們還希望那這ARIMA模型
能幫助更遠狹窄的這預言間隔
所以那我們的預測是更多的精確的。
有二類型的華宇楷模。
有非季節性和季節性的。
這非季節性ARIMA模型
做不是考慮那那裡是A季節性的圖案，
儘管這季節性的ARIMA模型強調那那裡是A季節性的成分
前這模型是產生。
這非季節性 ARIMA模型，
它確實實施分解和搜索為一個季節性的成分，
但它有不知識的這季節性的落後時期
哪個應該是12幾個月前它產生A模型。
現在，冰川大量的變化應該有A季節性的圖案
因為我們預計冰川融化快點期間這夏天幾個月
和積累期間這冬天個月。
但從A以前的初步的時間系列分析，
我們做不是看一個明顯的落後時期的12個月。
我們不是真的當然什麼這最佳的季節性的寬度是
因為的生長天氣不一致作為A結果的全球的變暖。
沒有指定什麼我們的季節性的落後是，
我們不能使用這季節性的華宇模型。
它是還常見的實踐到使用這非季節性的華宇模型
到核實那落後時期，和然後跑步這季節性的ARIMA模型
一次我們知道什麼這季節性的落後會是。
第一的，出色地跑步這非季節性 ARIMA模型
到確認這季節性的落後時期是的確12個月。
然後，出色地實施這季節性的華宇模型
基於在這最佳的季節性的落後
到更好的預報這冰川熔化率
在這下一個20年。
如果你看在這模型結果對於 (0, 1, 0)
哪個是這最好的非季節性模型，
你能看那這坡是不是重要的。
這p值是0.18,和這範圍估計是-10.42。
每一個年，這冰川大量的是預測的到減少在關於10 千兆公制噸。
然而，這模型是不是重要的，
哪個可能表明那我們需要到使用A季節性的模型。
我們看那12有這最高汽車相關性
為了滯後更大比零在這正確的圖形。
這汽車相關性陰謀更遠確認
那我們應該是使用A季節性的落後的12.
後跑步這非季節性的華宇模型，
我們通緝到比較這(0, 1, 0)非季節性模型
和這最好的季節性的模型。
這非季節性ARIMA模型是顯示在黑暗的粉色的
和這季節性 ARIMA模型是顯示在淺粉色。
這顏色是A少量相似的這裡。
但你能看
那這預言間隔為了這季節性的模型是很多更寬的
比這非季節性模型，
和這預言間隔從這季節性的模型
反映這季節性的圖案。
有趣的是，這全面的趨勢為了這季節性的模型
是很多陡峭的比這非季節性模型，
哪個可能表明
那如果我們做不是分解這季節性的成分，
然後這季節性的圖案可能結尾向上存在A隨機的噪音因素
哪個將要稀這信號
和製作這坡較少的陡比它應該是。
這預言間隔為了這季節性的ARIMA模型是更大，
最多可能因為它考慮這季節性的變化，
哪個是其他因素的不確定。
然而，我們做不是想到看這季節性的圖案在這預測
自從我們想到預測這冰川大量的變化為了每個月，
不是只是每個年。
如果你看在這活性碳纖維圖表在這底部左邊，
這季節性的華宇模型有A很多更小頂峰
在季節性的落後的12,哪個是正確的超過這裡，
比這非季節性的華宇模型，哪個是在這正確的。
它是難的到看因為這圖表是重疊，
但為了這季節阿里瑪模型，這汽車相關性是大約零
為了殘差更大比零
哪個節目那我們選擇A好的落後時期。
還，從這桌子在這正確的，這MA2, 12是重要的，
哪個一次再次節目那12是A好的選擇
為了這季節性的落後。
米A2, 12會是這季節性的模型在A季節性滯後的12個月。
在結論，我們應用非季節性和季節性的ARIMA模型
到預報這南極冰川融化速度
在這下一個20年。
儘管這非季節性ARIMA模型能預測
這一般的向下彈道的冰川大量的變化，
它失敗到考慮這季節性的圖案在這預測。
這季節性的ARIMA模型能預報這季節性的和趨勢行為，
但它是預言間隔是很多更大。
這季節性的華宇模型還有一個坡那是20%陡峭的
比斜坡成立從這非季節性 ARIMA模型。
那是全部我有為了今天。
謝謝為了聽。
