参考书
教学大纲
无论是自然或社会科学中，均存在大量的资料数据，大数据（Big data）是人们了解自然和社会的基础。在大气科学中，人们认识大气中的基本现象和具体过程首先是从观测开始的，进而借助数学、物理学、计算机科学、统计科学等的帮助，从大量的数据中总结大气运动的基本规律，研究特定现象的发生过程和成因，探索大气过程演变的规律。而在大气科学及其它很多学科中，观测资料大多是以序列的形式存在的，因此，以时间序列分析作为研究手段就成为大气科学的众多分支如气候学、天气学、大气物理学、大气化学等的必备。开设本课程的基本目的就是给本科生一些基本的时间序列分析方法的介绍，包括基本概念、所用的基本的数学、物理学基础知识，进行分析的基本算法与处理技巧。希望通过本课程的学习，学生可以掌握时间序列分析的基本方法与知识，及其这些方法在实际序列分析的应用，养成统计分析进行显著性检验的习惯。
开课院系
物理学院
通选课领域
是否属于艺术与美育
否
平台课性质
平台课类型
授课语言
中文
教材
Nonlinear Time Series Analysis,Kantz H and Schreiber T,ambridge University Press,1997,气象数据统计分析方法,黄嘉佑，李庆祥,气象出版社,2015,Time Series Analysis in Meteorology and Climatology: An Introduction,Duchon C, Hale R,Wiley & Sons,2012,Climate Time Series Analysis,Mudelsee M,Springer,2010,Statistical Analysis in Climate Research,von Storch H and Zwiers FW,Cambridge University Press,1999,
大气科学中的时间序列分析概论课程详细信息
课程号
00432291
学分
2
英文名称
Introduction to time series analysis in atmospheric sciences
先修课程
高等数学、线性代数、计算概论、算法与数据结构
中文简介
大气科学中的时间序列分析概论主要在本科生学过高等数学、线性代数、计算概论、算法与数据结构等基础课程之后把其中一些知识实际中得到应用，特别是在大气科学中的观测数据、再分析数据和模拟数据得到应用。本课程主要讲授单变量的时间序列分析的基本概念、基础知识和实现算法为主，并通过在实际的大气资料中的应用加深学生的理解。
特定过程的自协方差函数与自相关函数
统计公式
总体平均的信度极限
自协方差函数与自相关函数估计的方差
第六章 延迟类谱分析 （3学时）
方差密度谱
方差密度谱与自相关函数间的关系
随机过程的谱
特定过程的谱
3学时）
混沌 (Chaos)
相空间方法
延迟重构
嵌入维的确定
课程简介，参考书介绍等（2学时）
第一章 代表性时间序列特征及其展示（6学时）
代表性时间序列
时间序列问题
时间序列结构的展示：图形工具
时间序列结构及提取
第二章 傅立叶分析（8学时）
综述与基本术语
分析与合成
代表性数据分析结果
周期图的统计特性
傅立叶分析的更多话题
第三章 线性系统（3学时）
输出与输入关系
卷积积分的评估
吸引子与可预报性
分形 (Fractals)
混沌过程与随机过程的区分与检测
四次编程练习讲解与报告（2学时）
本课程以课堂讲授为主，辅助以基本方法的编程分析练习和报告。其中课堂讲授占80%，编程分析练习占15%，报告占5%。
考试方式分为出勤与课堂表现、编程分析练习和报告三部分，其中出勤与课堂表现占总成绩的20%，四次编程分析练习占总成绩的55%，报告占总成绩的25%。
教学评估
付遵涛：
模拟数据的傅立叶变换
狄垃克函数
特殊的输入函数
频率响应函数
卷积积分的傅立叶变换
串联线性系统
理想插值公式
第四章 滤波数据 （3学时）
递归与非递归滤波
常用数字非递归滤波器
滤波设计
兰佐斯滤波
第五章 自相关分析 （4学时）
自相关的定义和基本性质
自协方差函数与自相关函数公式
平稳数字过程的自协方差函数与自相关函数
英文简介
Introduction to time series analysis in atmospheric sciences provides undergraduate students, who have studied the courses such as higher mathematics, linear algebra, introduction to computing, algorithms and data structures and so on, the actual application of some knowledge studied in these courses, especially application in the analysis of observation data, reanalysis data and simulation data. The course mainly introduces the basic concepts, fundamental knowledge and corresponding algorithms in univariate time series analysis, and they can be deeply learned through the application in the actual atmospheric data.