Объективная классификация и статистическое моделирование метеорологических полей в пограничном слое атмосферы для Западной Сибири

• Автор: Ломакина, Наталья Яковлевна
• Шифр специальности: 25.00.29
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Томск
• Количество страниц: 156 с. : ил.

Введение. Глава 1. Состояние исследований в области физикостатистического анализа, классификации и моделирования метеорологических полей в пограничном слое атмосферы. Состояние исследований в области объективной классификации климатов, физикостатистического анализа и моделирования метеорологических полей в пограничном слое атмосферы. Глава 2. Методика первичной обработки данных температурноветрового зондирования. Автоматизированная обработка и преобразование аэрологических данных, поступающих в виде бюллетеней КН . Алгоритмы расчета статистических характеристик вертикальных профилей метеорологических величин. Глава 3. Особенности вертикальной статистической структуры нолей температуры, влажности и ветра в пограничном слое атмосферы Западной Сибири . Особенности вертикального распределения средней скорости зонального и меридионального ветра. Особенности вертикального распределения изменчивости зонального и меридионального ветра. Некоторые особенности взаимнокорреляцилнных связей температуры, влажности воздуха и ветра.


Условно их можно разделить на две основные группы К первой группе относятся методы кластерного анализа, использующие внутренние свойства смешанной выборки меру близости между элементами выборки или между группами ее элементов, а ко второй группе метод главных компонент естественных ортогональных функций и факторный анализ. Наиболее удачные результаты при использовании методов кластерного анализа для прикладной классификации и климатического районирования получены в работах 8, , , , , , , , 7, 8, 7, 8, 5, 7, 1, 7, 3, 4, 0, 2, 3, 7, 0. Методика такого анализа позволяет из множества рассматриваемых объектов выделить объекты, имеющие какиелибо общие свойства, и объединить их в классы. В основе методов кластерного анализа лежит установление степени близости между объектами посредством одной из метрик и объединение по некоторым правилам близких по метрическому расстоянию объектов в классы. В. качестве критериев для кластеризации выборочных образов, применяется ряд мер сходства и мер расстояния , , , , 9, основанных на вычислении с помощью признаков парных функций на всех парах объектов. В результате получаются матрицы коэффициентов сходства или различия между всеми возможными парами объектов а1 и я, из какоголибо множества А. Наиболее часто в качестве меры сходства между объектами а и а, используется неко
торая функция расстояния метрика х х7, где х, и х, векторы наблюдений размерности г объектов а и в, соответственно. При этом результаты наблюдений для всех объектов Я 1,2,. Ап Лп2 0
Наиболее общей мерой схожести для двух признаков, обозначаемых через димерные векторы Х, х, х2,. Х ху, х2р хгу, является обобщенная матрица Минковского , ,
ад,Л М х4хц
где а весовой множитель, а 6 0. Евклидово расстояние при е г, а а2 .