| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 统计降尺度研究的进展 | 第10-12页 |
| 1.3 本文的工作和创新点 | 第12-14页 |
| 1.3.1 本文主要的工作 | 第12-13页 |
| 1.3.2 本文的创新点 | 第13-14页 |
| 第2章 数据资料与方法 | 第14-25页 |
| 2.1 资料介绍 | 第14-15页 |
| 2.1.1 小尺度地面观测日极值气温资料 | 第14-15页 |
| 2.1.2 大尺度全球气候模式输出资料 | 第15页 |
| 2.1.3 数据集的划分与使用 | 第15页 |
| 2.2 研究方法介绍 | 第15-25页 |
| 2.2.1 多元线性回归 | 第15-17页 |
| 2.2.2 逐步回归 | 第17-18页 |
| 2.2.3 主成分回归 | 第18页 |
| 2.2.4 人工神经网络 | 第18-23页 |
| 2.2.5 遗传算法 | 第23-25页 |
| 第3章 统计降尺度模型的建立 | 第25-37页 |
| 3.1 模型的基本原理 | 第25页 |
| 3.2 模型建立的基本流程 | 第25-28页 |
| 3.2.1 预报变量和预报因子的划分 | 第25页 |
| 3.2.2 预报因子的筛选 | 第25-27页 |
| 3.2.3 降尺度方法的选择 | 第27页 |
| 3.2.4 模型的评价指标 | 第27-28页 |
| 3.3 逐步回归模型的建立 | 第28-30页 |
| 3.4 主成分回归模型的建立 | 第30-33页 |
| 3.5 BP神经网络模型的建立 | 第33-37页 |
| 第4章 结果与分析 | 第37-53页 |
| 4.1 从模型观测值和仿真值的折线图进行分析 | 第37-40页 |
| 4.2 从R2,RMSE,MAE的角度来比较与分析 | 第40-48页 |
| 4.2.1 以深圳市为例评价三种统计降尺度模型 | 第40-45页 |
| 4.2.2 三种统计降尺度方法模拟华南地区一月份日最低温度的比较 | 第45-48页 |
| 4.3 从模型的预测值和仿真值的箱线图进行比较分析 | 第48-52页 |
| 4.4 相关性结论 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 工作小结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
