南极冰川融化率的时间序列分析和 ARIMA 预测模型 (2022-US-EPO-1120)Mason Chen，学生，斯坦福职业健康与安全学院
JMP 高级分析技术支持工程师 Patrick Giuliano
Steams 顾问 Charles Chen
这篇 STEM 论文研究了从 2002 年 4 月到 2021 年 3 月的时间序列南极冰川质量。本文的目的是预测 2021-2041 年的南极冰川质量水平。 在四个 STEM 组成部分中：科学是冰川的地球科学；技术正在使用 GRACE-FO 卫星收集冰川冰盖质量数据；工程学将关注 COVID-19 因素对冰川融化率的影响，而数学则主要关注时间序列 ARIMA 模型。 研究和比较了非季节性和季节性 ARIMA 模型。12 个月的季节性模式和长期的年度趋势均得到显着观察。根据季节性 ARIMA 模型，冰川融化速度快了 2%。平滑模型也在季节性 ARIMA 模型中得到显着识别，以平滑随机噪声分量以增强时间序列趋势和季节性分量以增强预测模型。 预测 2021-2041 年的冰川融化将是一项具有挑战性的任务，要解决从今天开始更长的水平时间的季节性和趋势因素。如果超过 5 年，预测区间将变得太宽而无法预测未来的冰川融化速度。 季节性 ARIMA 模型可以提供比非季节性 ARIMA 模型更好的拟合。STEM 方法是现代 GRACE-FO 技术通过数学 ARIMA 预测分析在实际工程意义上进行科学研究项目的强大而全面的方法。
你好，每个人。
我是石匠。
吨今天，患病的是呈现A学习
在南极冰川熔化率使用时间系列平台。
这动机在后面这项目曾是那我们通缉到调查
这长的-学期效果的气候改变，
和我们有针对性的地点最多做作的经过全球的变暖，
哪个是南极洲和格陵兰。
之前，我们尝试过使用平滑和分解技巧
到学习和预报这冰川融化速度。
但许多的那些楷模有相当重要的限制。
为了例子，他们是无法到考虑这季节性的或者趋势图案。
到提升这预测准确性和精确，
我们通缉到尝试其他方法，这样的作为这华宇模型，
哪个是我们的主要的重点为了今天。
这客观的的这推介会是到利用时间系列平台在 JMP 中
到检查这冰川融化大量的数据从2002年到2021年，
和到预报这冰川融化费率为了这下一个20年。
为什么是我们学习冰川融化费率
反而的，为了例子，大气的温度？
应该我们学习这格陵兰冰床单或者这南极冰床单？
出色地是学习这南极数据因为这速度
A吨哪个思韦茨冰川在南极洲是融化
有到过迅速增加在这过去的年
在条款的这表面高度。
这思韦茨冰川是重要的
因为它是这最广泛的冰川在这世界
和已经贡献到4%的全球的海等级上升。
但什么是更多的关于是那最近，在2021年，
科学家们成立那那里曾是更多的温暖的水
下这冰川比之前想法，
哪个可以有甚至更多的可怕的结果
在条款的更远贡献到海等级上升。
我们想到帮助预报
这南极冰川融化速度通知这民众
关于这效果的全球的变暖和带来更多的意识
到这问题那气候改变能原因。
我们得到我们的数据从这美国宇航局网站，作为显示在这正确的，
和我们转变这数据进入跳转,作为你能看在这左边边。
现在，这南极大量的是测量的在千兆公吨，
和1个公制吨是平等的到1,000公斤。
什么时候你得到公制吨，它是平等的到10¹²公斤。
这GRACE-FO使命，哪个是在哪里日是数据曾是集，
措施这大量的变化。
它是不是这全部的大量的，
哪个是几乎不可能的到措施，
但这改变在大量的相对的到四月2002年，
什么时候这优雅使命开始追踪冰川大量的变化。
之前，作为我说，
我们使用这平滑反对-作品楷模，
但这些技巧任何一个失败到考虑
这非线性的向下趋势在冰川大量的
自从这冰川融化速度是增加超过这年，
或者这些楷模失败的到考虑这季节性的变化。
温暖的几个月是去到有A快点融化速度。
我们通缉到使用华宇模型
因为我们希望到提升这趋势所以那它是非线性的
和还包含这季节性的成分在这相同的时间。
我们还希望那这ARIMA模型
能帮助更远狭窄的这预言间隔
所以那我们的预测是更多的精确的。
有二类型的华宇楷模。
有非季节性和季节性的。
这非季节性ARIMA模型
做不是考虑那那里是A季节性的图案，
尽管这季节性的ARIMA模型强调那那里是A季节性的成分
前这模型是产生。
这非季节性 ARIMA模型，
它确实实施分解和搜索为一个季节性的成分，
但它有不知识的这季节性的落后时期
哪个应该是12几个月前它产生A模型。
现在，冰川大量的变化应该有A季节性的图案
因为我们预计冰川融化快点期间这夏天几个月
和积累期间这冬天个月。
但从A以前的初步的时间系列分析，
我们做不是看一个明显的落后时期的12个月。
我们不是真的当然什么这最佳的季节性的宽度是
因为的生长天气不一致作为A结果的全球的变暖。
没有指定什么我们的季节性的落后是，
我们不能使用这季节性的华宇模型。
它是还常见的实践到使用这非季节性的华宇模型
到核实那落后时期，和然后跑步这季节性的ARIMA模型
一次我们知道什么这季节性的落后会是。
第一的，出色地跑步这非季节性 ARIMA模型
到确认这季节性的落后时期是的确12个月。
然后，出色地实施这季节性的华宇模型
基于在这最佳的季节性的落后
到更好的预报这冰川熔化率
在这下一个20年。
如果你看在这模型结果对于 (0, 1, 0)
哪个是这最好的非季节性模型，
你能看那这坡是不是重要的。
这p值是0.18,和这范围估计是-10.42。
每一个年，这冰川大量的是预测的到减少在关于10 千兆公制吨。
然而，这模型是不是重要的，
哪个可能表明那我们需要到使用A季节性的模型。
我们看那12有这最高汽车相关性
为了滞后更大比零在这正确的图形。
这汽车相关性阴谋更远确认
那我们应该是使用A季节性的落后的12.
后跑步这非季节性的华宇模型，
我们通缉到比较这(0, 1, 0)非季节性模型
和这最好的季节性的模型。
这非季节性ARIMA模型是显示在黑暗的粉色的
和这季节性 ARIMA模型是显示在浅粉色。
这颜色是A少量相似的这里。
但你能看
那这预言间隔为了这季节性的模型是很多更宽的
比这非季节性模型，
和这预言间隔从这季节性的模型
反映这季节性的图案。
有趣的是，这全面的趋势为了这季节性的模型
是很多陡峭的比这非季节性模型，
哪个可能表明
那如果我们做不是分解这季节性的成分，
然后这季节性的图案可能结尾向上存在A随机的噪音因素
哪个将要稀这信号
和制作这坡较少的陡比它应该是。
这预言间隔为了这季节性的ARIMA模型是更大，
最多可能因为它考虑这季节性的变化，
哪个是其他因素的不确定。
然而，我们做不是想到看这季节性的图案在这预测
自从我们想到预测这冰川大量的变化为了每个月，
不是只是每个年。
如果你看在这活性碳纤维图表在这底部左边，
这季节性的华宇模型有A很多更小顶峰
在季节性的落后的12,哪个是正确的超过这里，
比这非季节性的华宇模型，哪个是在这正确的。
它是难的到看因为这图表是重叠，
但为了这季节阿里玛模型，这汽车相关性是大约零
为了残差更大比零
哪个节目那我们选择A好的落后时期。
还，从这桌子在这正确的，这MA2, 12是重要的，
哪个一次再次节目那12是A好的选择
为了这季节性的落后。
米A2, 12会是这季节性的模型在A季节性滞后的12个月。
在结论，我们应用非季节性和季节性的ARIMA模型
到预报这南极冰川融化速度
在这下一个20年。
尽管这非季节性ARIMA模型能预测
这一般的向下弹道的冰川大量的变化，
它失败到考虑这季节性的图案在这预测。
这季节性的ARIMA模型能预报这季节性的和趋势行为，
但它是预言间隔是很多更大。
这季节性的华宇模型还有一个坡那是20%陡峭的
比斜坡成立从这非季节性 ARIMA模型。
那是全部我有为了今天。
谢谢为了听。
