基于混合模型ad ap tive L ASSO方法的气象数据实时变点检测*

黄雄琪，田镇滔，秦 睿，王雪梅，郑陈亮

（广西师范大学 数学与统计学院，广西 桂林 541004）

1 研究意义及其背景

近年来，全球气候变暖备受国内外学术界的关注。全球气候的变化在近几年的数据报告中呈现出致灾性的特点，例如高温、强风、强降雨这些极端天气会促使自然灾害的发生，继而严重影响各国人民的生命财产安全。气候变化所导致的一系列影响，让全世界的学者们不得不重视气象数据变点的分析及预测。

国内外有不少学者在研究变点问题。对于响应变量的个数比较少的情况，Horváth.L等[1]通过最小二乘的方法使用CUSUM方法检测出了变点。Ga⁃briela[2]通过使用adaptive LASSO以及分位数的方法检测出实时的变点。杨喜寿等[3]研究了气候时间序列变点的推断问题。Hawkins[4]研究了位置转移替代方案的似然比检验，并应用于气象数据序列的变点检测。Buishand[5]讨论了5种累积偏差检验的特点，使用累计偏差与平均值构建了检验统计量，并对荷兰年平均气温进行了变点检测。Alexandersson.H[6]等基于气候时间序列，提出了一种在正态分布时间序列中检测任意长度序列变点的新方法。Beaulieu.C[7]等考虑了气候时间变化的复杂性和气候数据序列的自相关性，提出了一种基于IA(informational ap⁃proach)的变点检测模型。赵红等[8]基于VFP环境，对气象数据使用滑动t-检验法和Yamamoto法进行变点的检测。许欢9]等运用ASAMC算法估计了气象数据结构性变化的位置并给出了发生结构性变化的原因。

本文将降雨量作为被解释变量Yi，将风向、风级等作为解释变量X1,…,Xp，并且还考虑了被解释变量的滞后性，引入变量Yi-1,…,Yi-k。……