Hola, todos.
Soy Masón.
T hoy, Enfermo ser presentación a estudiar
en antártico glaciar tasa de fusión usando tiempo serie plataformas
El motivación detrás este proyecto era eso nosotros buscado a investigar
el largo- término efectos de clima cambiar,
y nosotros dirigido lugares mayoría afectado por global calentamiento,
cual son Antártida y Groenlandia.
Previamente, nosotros intentó usando alisado y descomposición tecnicas
a estudiar y pronóstico el glaciar derritiendo tasa.
Pero muchos de aquellos modelos tenía bastante importante limitaciones.
Para ejemplo, ellos eran incapaz a considerar el estacional o tendencia patrón.
A mejorar el pronóstico exactitud y precisión,
nosotros buscado a intentar otro métodos, semejante como el ARIMA modelo,
cual es nuestro principal enfocar para hoy.
El objetivo de este presentación es a utilizar tiempo serie plataformas en JMP
a examinar el glaciar derritiendo masa datos de 2002 a 2021,
y a pronóstico el glaciar derritiendo tarifas para el próximo 20 años.
Por qué son nosotros estudiando glaciar derritiendo tarifas
en cambio de, para ejemplo, atmosférico ¿temperatura?
Debería nosotros estudiar el Groenlandia hielo hoja o el antártico hielo ¿hoja?
Bien ser estudiando el antártico datos porque el tasa
a t cual los Thwaites glaciar en Antártida es derritiendo
tiene estado rápidamente creciente en el pasado años
en términos de el superficie altura.
El Glaciar Thwaites es significativo
porque él es el más amplio glaciar en el mundo
y ya contribuye a 4% de global mar nivel se eleva
Pero qué más sobre es eso recientemente, en 2021,
científicos encontró eso allá era más cálido agua
debajo el glaciar que previamente pensamiento,
cual podría tener incluso más terrible consecuencias
en términos de más contribuyendo a mar nivel se eleva
Nosotros desear a ayuda pronóstico
el antártico tasa de derretimiento de los glaciares a informar el público
acerca de el efectos de global calentamiento y traer más conciencia
a el problema eso clima cambiar poder causa.
Nosotros consiguió nuestro datos de el NASA sitio web, como mostrado en el bien,
y nosotros transformado el datos en JMP, como tú poder ver en el izquierda lado.
Ahora, el antártico masa es Medido en gigatoneladas métricas,
y 1 métrico tonelada es igual a 1,000 kilogramos
Cuando tú conseguir métrico tonelada, es igual a 10¹² kilogramos
El misión GRACE-FO, cual es dónde el son datos era recogido,
medidas el masa variación.
Es no el total masa,
cual es prácticamente imposible a medida,
pero el cambiar en masa relativo a Abril 2002,
cuando el GRACIA misión comenzó seguimiento glaciar masa variación.
Previamente, como I dicho,
nosotros usar el alisado anti- composición modelos,
pero estos tecnicas cualquiera fallar a considerar
el no lineal hacia abajo tendencia en glacial masa
desde el glaciar derritiendo tasa es creciente encima el años,
o estos modelos fallido a considerar el estacional variaciones.
Cálido meses son yendo a tener a más rápido derritiendo tasa.
Nosotros buscado a usar el ARIMA modelo
porque nosotros esperanza a mejorar el tendencia entonces eso él es no lineal
y también incorpora el estacional componente en el mismo tiempo.
Nosotros también esperanza eso el modelo ARIMA
poder ayuda más angosto el predicción intervalo
entonces eso nuestro previsiones son más preciso.
hay dos tipos de ARIMA modelos
hay no estacional y estacional.
El no estacional modelo ARIMA
hace no considerar eso allá es a estacional patrón,
mientras el estacional modelo ARIMA enfatiza eso allá es a estacional componente
antes el modelo es generado.
El no estacional ARIMA modelo,
lo hace implementar descomposición y búsquedas para estacional componente,
pero él tiene No conocimiento de el estacional retraso período
cual debería ser 12 meses antes él genera a modelo.
Ahora, glaciar masa la variación debe tener a estacional patrón
porque nosotros esperar glaciares para fundir más rápido durante el verano meses
y acumular durante el invierno meses.
Pero de a anterior preliminar tiempo serie análisis,
nosotros hacer no ver un obvio retraso período de 12 meses.
Nosotros no son en realidad seguro qué el óptimo estacional ancho es
porque de creciente clima inconsistencias como a resultado de global calentamiento
Sin especificando qué nuestro estacional retraso es,
nosotros no poder usar el estacional ARIMA modelo.
Es también común práctica a usar el no estacional ARIMA modelo
a verificar eso retraso período, y entonces correr el estacional modelo ARIMA
una vez nosotros saber qué el estacional retraso haría ser.
Primero, Bueno correr el no ARIMA estacional modelo
a confirmar el estacional retraso período es en efecto 12 meses.
Entonces, Bueno implementar el estacional ARIMA modelo
basado en el óptimo estacional retraso
a mejor pronóstico el glaciar tasa de fusión
en el próximo 20 años.
Si tú mirar en el modelo resultados para (0, 1, 0)
cual es el mejor no estacional modelo,
tú poder ver eso el pendiente es no significativo.
El valor p es 0.18, y el parámetro estimar es -10.42.
Cada año, el glaciar masa es pronosticado a disminuir en acerca de métrica de 10 gigas montones.
Sin embargo, este modelo es no significativo,
cual puede indicar eso nosotros necesidad a usar a estacional modelo.
Nosotros ver eso 12 tiene el más alto auto correlación
para retrasos mayor que que cero en este bien grafico.
El auto correlación trama más confirma
eso nosotros debería ser usando a estacional retraso de 12
Después correr el no estacional ARIMA modelo,
nosotros buscado a comparar el (0, 1, 0) no estacional modelo
y el mejor estacional modelo.
El no estacional modelo ARIMA es mostrado en oscuro rosa
y el ARIMA estacional modelo es mostrado en Rosa claro.
El colores son a poco similar aquí.
Pero tú poder ver
eso el predicción intervalo para el estacional modelo es mucho más amplio
que el no estacional modelo,
y el predicción intervalo de el estacional modelo
reflejar el estacional patrón.
Curiosamente, el en general tendencia para el estacional modelo
es mucho más empinado que el no estacional modelo,
cual puede indicar
eso si nosotros hacer no descomponer el estacional componente,
entonces el estacional patrón puede fin arriba ser a aleatorio ruido factor
cual voluntad diluido el señal
y hacer el pendiente menos empinado que él debería ser.
El predicción intervalo para el estacional modelo ARIMA es más grande,
mayoría probable porque él considera el estacional variación,
cual es otro factor de incertidumbre.
Sin embargo, nosotros hacer no desear a ver el estacional patrón en el previsiones
desde nosotros desear a predecir el glaciar masa variación para cada mes,
no justo cada año.
Si tú mirar en el FCA gráficos en el abajo izquierda,
el estacional ARIMA modelo tiene a mucho menor cima
en de estacional retraso de 12, cual es bien encima aquí,
que el no estacional ARIMA modelo, cual es en el bien.
Es duro a ver porque el gráficos son superposición,
pero para el estación en ARIMA modelo, el auto correlación es aproximadamente cero
para derechos residuales de autor mayor que que cero
cual espectáculos eso nosotros eligió a bien retraso período.
También, de el mesa en el bien, el MA2, 12 es significativo,
cual una vez de nuevo espectáculos eso 12 es a bien elección
para el estacional retraso.
METRO A2, 12 haría ser el estacional modelo en a retraso estacional de 12 meses.
En conclusión, nosotros aplicado no estacional y estacional modelos ARIMA
a pronóstico el antártico derretimiento de los glaciares tasa
en el próximo 20 años.
Mientras el no estacional modelo ARIMA poder predecir
el general hacia abajo trayectoria de glaciar masa variación,
él falla a considerar el estacional patrón en el pronósticos
El estacional modelo ARIMA poder pronóstico el estacional y tendencia comportamientos,
pero es predicción intervalo es mucho más grande
El estacional ARIMA modelo también tiene un pendiente eso es 20% más empinado
que La pendiente encontró de el no ARIMA estacional modelo.
Eso es todo I tener para hoy.
Gracias para escuchando.
