Hallo, alle.
Ich bin Mason.
T Heute, Krank Sei präsentieren A lernen
An Antarktis Gletscher Schmelzrate verwenden Zeit Serie Plattformen.
Der Motivation hinter Das Projekt War Das Wir gesucht Zu untersuchen
Die lang- Begriff Auswirkungen von Klima ändern,
Und Wir gezielt setzt am meisten betroffen von global Erwärmen,
welche Sind Antarktis Und Grönland.
Bisher, Wir versucht verwenden glättend Und Zersetzung Techniken
Zu lernen Und Vorhersage Die Gletscher schmelzen Rate.
Aber viele von diese Modelle hatte ganz wichtig Einschränkungen.
Für Beispiel, Sie war unfähig Zu halten Die saisonal oder Trend Muster.
Zu verbessern Die Prognose Genauigkeit Und Präzision,
Wir gesucht Zu versuchen andere Methoden, solch als Die ARIMA Modell,
welche Ist unser hauptsächlich Fokus für Heute.
Der Zielsetzung von Das Präsentation Ist Zu nutzen Zeit Serie Plattformen im JMP
Zu prüfen Die Gletscher schmelzen Masse Daten aus 2002 Zu 2021,
Und Zu Vorhersage Die Gletscher schmelzen Tarife für Die nächste 20 Jahre.
Warum Sind Wir studieren Gletscher schmelzen Tarife
stattdessen von, für Beispiel, atmosphärisch Temperatur?
Sollen Wir lernen Die Grönland Eis Blatt oder Die Antarktis Eis Blatt?
Also Sei studieren Die Antarktis Daten Weil Die Rate
A T welche die Thwaites Gletscher In Antarktis Ist schmelzen
hat gewesen schnell zunehmend In Die Vergangenheit Jahre
In Bedingungen von Die Oberfläche Höhe.
Der Thwaites-Gletscher Ist bedeutsam
Weil Es Ist Die am breitesten Gletscher In Die Welt
Und bereits trägt bei Zu 4 % von global Meer eben erhebt sich.
Aber was ist mehr betreffend Ist Das in letzter Zeit, In 2021,
Wissenschaftler gefunden Das Dort War mehr warm Wasser
unterhalb Die Gletscher als bisher Gedanke,
welche könnte haben selbst mehr schrecklich Folgen
In Bedingungen von weiter beitragen Zu Meer eben erhebt sich.
Wir wollen Zu Hilfe Vorhersage
Die Antarktis Gletscherschmelzrate auf informieren Die öffentlich
um Die Auswirkungen von global Erwärmen Und bringen mehr Bewusstsein
Zu Die Problem Das Klima ändern dürfen Ursache.
Wir bekommen unser Daten aus Die NASA Webseite, als gezeigt An Die Rechts,
Und Wir transformiert Die Daten hinein JMP, als Du dürfen sehen An Die links Seite.
Jetzt, Die Antarktis Masse Ist gemessen In Giga-Tonnen,
Und 1 metrisch Tonne Ist gleich Zu 1.000 Kilogramm.
Wenn Du erhalten metrisch Tonne, es ist gleich Zu 10¹² Kilogramm.
Der GRACE-FO-Mission, welche Ist Wo Th sind Daten War gesammelt,
Mittel Die Masse Variation.
Es ist nicht Die gesamt Masse,
welche Ist praktisch unmöglich Zu messen,
Aber Die ändern In Masse relativ Zu April 2002,
Wenn Die ANMUT Mission gestartet Verfolgung Gletscher Masse Variation.
Bisher, als ICH genannt,
Wir verwenden Die glättend Anti- Komposition Modelle,
Aber diese Techniken entweder scheitern Zu halten
Die nichtlinear nach unten Trend In Gletscher Masse
seit Die Gletscher schmelzen Rate Ist zunehmend über Die Jahre,
oder diese Modelle fehlgeschlagen Zu halten Die saisonal Variationen.
Warm Monate Sind gehen Zu haben A Schneller schmelzen Rate.
Wir gesucht Zu verwenden die ARIMA Modell
Weil Wir Hoffnung Zu verbessern Die Trend So Das Es Ist nichtlinear
Und Auch einbezieht Die saisonal Komponente bei Die Dasselbe Zeit.
Wir Auch Hoffnung Das Die ARIMA-Modell
dürfen Hilfe weiter eng Die Vorhersage Intervall
So Das unser Prognosen Sind mehr präzise.
Es gibt zwei Typen von ARIMA Modelle.
Es gibt nicht saisonabhängig Und saisonal.
Der nicht saisonabhängig ARIMA-Modell
tut nicht halten Das Dort Ist A saisonal Muster,
während Die saisonal ARIMA-Modell betont Das Dort Ist A saisonal Komponente
Vor Die Modell Ist generiert.
Der nichtsaisonale ARIMA Modell,
es tut implementieren Zersetzung Und sucht Für ein saisonal Komponente,
Aber Es hat NEIN Wissen von Die saisonal Verzögerung Zeitraum
welche sollen Sei 12 Monate Vor Es erzeugt A Modell.
Jetzt, Gletscher Masse Variation sollte haben A saisonal Muster
Weil Wir erwarten Gletscher schmelzen Schneller während Die Sommer Monate
Und akkumulieren während Die Winter Monate.
Aber aus A vorherige vorläufig Zeit Serie Analyse,
Wir Tun nicht sehen ein offensichtlich Verzögerung Zeitraum von 12 Monate.
Wir sind nicht Wirklich Sicher Was Die optimal saisonal Breite Ist
Weil von wachsend Wetter Inkonsistenzen als A Ergebnis von global Erwärmen.
Ohne spezifizieren Was unser saisonal Verzögerung Ist,
Wir kippen verwenden Die saisonal ARIMA Modell.
Es ist Auch gemeinsam üben Zu verwenden Die nicht saisonal ARIMA Modell
Zu verifizieren Das Verzögerung Zeitraum, Und Dann laufen Die saisonal ARIMA-Modell
einmal Wir wissen Was Die saisonal Verzögerung würde Sei.
Erste, Also laufen Die nicht saisonale ARIMA Modell
Zu bestätigen Die saisonal Verzögerung Zeitraum Ist In der Tat 12 Monate.
Dann, Also implementieren Die saisonal ARIMA Modell
basierend An Die optimal saisonal Verzögerung
Zu besser Vorhersage Die Gletscher Schmelzrate
In Die nächste 20 Jahre.
Wenn Du sehen bei Die Modell Ergebnisse für (0, 1, 0)
welche Ist Die am besten nicht saisonabhängig Modell,
Du dürfen sehen Das Die Neigung Ist nicht bedeutsam.
Der p-Wert Ist 0,18, Und Die Parameter schätzen Ist -10.42.
Jeden Jahr, Die Gletscher Masse Ist prognostiziert Zu verringern bei um 10-Giga-Metrik Tonnen.
Jedoch, Das Modell Ist nicht bedeutsam,
welche dürfen angeben Das Wir brauchen Zu verwenden A saisonal Modell.
Wir sehen Das 12 hat Die höchste Auto Korrelation
für Verzögerungen größer als null An Das Rechts Graph.
Der Auto Korrelation Parzelle weiter bestätigt
Das Wir sollen Sei verwenden A saisonal Verzögerung von 12.
Nach Betrieb Die nicht saisonal ARIMA Modell,
Wir gesucht Zu vergleichen Die (0, 1, 0) nicht saisonabhängig Modell
Und Die am besten saisonal Modell.
Der nicht saisonabhängig ARIMA-Modell Ist gezeigt In dunkel Rosa
Und Die saisonale ARIMA Modell Ist gezeigt In Hell-Pink.
Der Farben Sind A Bit ähnlich Hier.
Aber Du dürfen sehen
Das Die Vorhersage Intervall für Die saisonal Modell Ist viel breiter
als Die nicht saisonabhängig Modell,
Und Die Vorhersage Intervall aus Die saisonal Modell
reflektieren Die saisonal Muster.
Interessant, Die gesamt Trend für Die saisonal Modell
Ist viel steiler als Die nicht saisonabhängig Modell,
welche dürfen angeben
Das Wenn Wir Tun nicht zersetzen Die saisonal Komponente,
Dann Die saisonal Muster dürfen Ende hoch Sein A willkürlich Lärm Faktor
welche Wille verdünnen Die Signal
Und machen Die Neigung weniger steil als Es sollen Sei.
Der Vorhersage Intervall für Die saisonal ARIMA-Modell Ist größer,
am meisten wahrscheinlich Weil Es überlegt Die saisonal Variation,
welche Ist andere Faktor von Unsicherheit.
Jedoch, Wir Tun nicht wollen Zu sehen Die saisonal Muster In Die Prognosen
seit Wir wollen Zu vorhersagen Die Gletscher Masse Variation für jede Monat,
nicht Nur jede Jahr.
Wenn Du sehen bei Die ACF Grafiken An Die Unterseite links,
Die saisonal ARIMA Modell hat A viel kleiner Gipfel
bei von saisonal Verzögerung von 12, welche Ist Rechts über Hier,
als Die nicht saisonal ARIMA Modell, welche Ist An Die Rechts.
Es ist hart Zu sehen Weil Die Grafiken Sind überlappend,
Aber für Die Jahreszeit al ARIMA Modell, Die Auto Korrelation Ist etwa null
für Reste größer als null
welche zeigt an Das Wir wählte A Gut Verzögerung Zeitraum.
Auch, aus Die Tisch An Die Rechts, Die MA2, 12 Ist bedeutsam,
welche einmal nochmal zeigt an Das 12 Ist A Gut Auswahl
für Die saisonal Verzögerung.
M A2, 12 würde Sei Die saisonal Modell bei A saisonale Verzögerung von 12 Monate.
In Abschluss, Wir angewandt nicht saisonabhängig Und saisonal ARIMA-Modelle
Zu Vorhersage Die Antarktis Gletscherschmelze Rate
In Die nächste 20 Jahre.
Während Die nicht saisonabhängig ARIMA-Modell dürfen vorhersagen
Die allgemein nach unten Flugbahn von Gletscher Masse Variation,
Es scheitert Zu halten Die saisonal Muster In Die Prognosen.
Der saisonal ARIMA-Modell dürfen Vorhersage Die saisonal Und Trend Verhaltensweisen,
Aber es ist Vorhersage Intervall Ist viel größer.
Der saisonal ARIMA Modell Auch hat ein Neigung Das Ist 20 % steiler
als die Piste gefunden aus Die nicht saisonale ARIMA Modell.
Das ist alle ICH haben für Heute.
Danke für Hören.
