你好， 每個人。
我是 石匠。
T 老人， 患病的 是 呈現 a 學習
在 南極洲 冰河 熔化速率 使用 時間 系列 平台。
這 動機 在後面 這 專案 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 地方 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 科技
到 學習 和 預報 這 冰河 融化 速度。
但 許多 的 那些 模型 有 相當 重要的 限制。
為了 例子， 他們 是 無法 到 考慮 這 季節性 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 ARIMA 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 冰河 融化 大量的 數據 從 2002 到 2021年，
和 到 預報 這 冰河 融化 費率 為了 這 下一個 20 年。
為什麼 是 我們 學習 冰河 融化 費率
反而 的， 為了 例子， 大氣 溫度？
應該 我們 學習 這 格陵蘭 冰 床單 或者 這 南極洲 冰 床單？
出色地 是 學習 這 南極洲 數據 因為 這 速度
a t 哪個 思韋特家族 冰河 在 南極洲 是 融化
有 到過 迅速地 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 冰河 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 有關 是 那 最近， 在 2021年，
科學家 成立 那 那裡 曾是 更多的 溫暖的 水
下 這 冰河 比 之前 想法，
哪個 可以 有 甚至 更多的 說 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 南極洲 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 在 網站， 作為 顯示 在 這 正確的，
和 我們 轉型 這 數據 進入 跳轉， 作為 你 能 看 在 這 左邊 邊。
現在， 這 南極洲 大量的 是 測量 在 十億公噸，
和 1 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 任務， 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 追蹤 冰河 大量的 變化。
之前， 作為 I 說，
我們 使用 這 平滑 反對- 作品 模型，
但 這些 科技 任何一個 失敗 到 考慮
這 非線性 向下 趨勢 在 冰河 大量的
自從 這 冰河 融化 速度 是 增加 超過 這 年，
或者 這些 模型 失敗的 到 考慮 這 季節性 變化。
溫暖的 個月 是 去 到 有 a 快點 融化 速度。
我們 通緝 到 使用 ARIMA 模型
因為 我們 希望 到 提升 這 趨勢 所以 那 它 是 非線性
和 也 包含 這 季節性 成分 在 這 相同的 時間。
我們 也 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 ARIMA 模型。
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 圖案，
儘管 這 季節性 ARIMA模型 強調 那 那裡 是 a 季節性 成分
前 這 模型 是 生成。
這 非季節性的靈魂 模型，
確實如此 實施 分解 和 搜尋 對於 季節性 成分，
但 它 有 不 知識 的 這 季節性 落後 時期
哪個 應該 是 12 個月 前 它 產生 a 模型。
現在， 冰河 大量的 變化應該 有 a 季節性 圖案
因為 我們 預計 冰河 融化 快點 期間 這 夏天 個月
和 累積 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 寬度 是
因為 的 生長 天氣 不一致之處 作為 a 結果 的 全球的 變暖。
沒有 指定 什麼 我們的 季節性 落後 是，
我們 不能 使用 這 季節性 ARIMA 模型。
它是 也 常見的 實踐 到 使用 這 非 季節性 ARIMA 模型
到 核實 那 落後 時期， 和 然後 跑步 這 季節性 ARIMA模型
一次 我們 知道 什麼 這 季節性 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 落後 時期 是 的確 12 個月。
然後， 出色地 實施 這 季節性 ARIMA 模型
基於 在 這 最佳的 季節性 落後
到 更好的 預報 這 冰河 熔化速率
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 冰河 大量的 是 預測 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 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 落後 的 12.
後 跑步 這 非 季節性 ARIMA 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 模型。
這 非季節性 ARIMA模型 是 顯示 在 黑暗的 粉紅色的
和 這 季節性 ARIMA 模型 是 顯示 在 淡粉色。
這 顏色 是 a 位元 相似的 這裡。
但 你 能 看
那 這 預言 間隔 為了 這 季節性 模型 是 很多 更寬
比 這 非季節性 模型，
和 這 預言 間隔 從 這 季節性 模型
反映 這 季節性 圖案。
有趣的是， 這 全面的 趨勢 為了 這 季節性 模型
是 很多 更陡峭 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 成分，
然後 這 季節性 圖案 可能 結尾 向上 存在 a 隨機的 噪音 因素
哪個 將要 稀 這 訊號
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 ARIMA模型 是 更大，
最多 可能 因為 它 認為 這 季節性 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 圖案 在 這 預測
自從 我們 想 到 預測 這 冰河 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 ARIMA 模型 有 a 很多 更小 頂峰
在的 季節性 落後 的 12， 哪個 是 正確的 超過 這裡，
比 這 非 季節性 ARIMA 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 阿爾·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。
也, 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 落後。
M A2, 12 會 是 這 季節性 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 ARIMA 模型
到 預報 這 南極洲 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 冰河 大量的 變化，
它 失敗 到 考慮 這 季節性 圖案 在 這 預測。
這 季節性 ARIMA模型 能 預報 這 季節性 和 趨勢 行為，
但 它是 預言 間隔 是 很多 更大。
這 季節性 ARIMA 模型 也 有一個 坡 那 是 20% 更陡峭
比 斜坡 成立 從 這 非 季節性 ARIMA 模型。
那是 全部 I 有 為了 今天。
謝謝 為了 聆聽。
