本文主要针对加拿大气候变化数据进行量化分析，进而对未来全球平均气温进行 预测，探索全球变暖与极端天气之间的相互关系，构建相应数学模型，并提出了减缓 全球变暖趋势的建议。文章综合采用了模糊综合评价法、熵权法、时间序列模型、 灰 度关联度分析、基于 LSTM-ARIMA 的气温组合预测模型、复杂网络模型等经典方 法来研究气温数据的量化分析相关问题。

针对问题一，在第一问中，依据地区将加拿大划分为五个地区，基于以上划分采 用定量与定性相结合方法，探索其历史气温数据的时空变化趋势。首先绘制气温时间 序列图，并采用 BP 突变点检验分析异常点；接下来构建 ARMA 模型对气温数据进 行平稳性检验；最后运用模糊评价法对指标项打分， 熵权法获得气温影响因子评分， 计算系统权重值得出各个因素对于气温变化趋势的影响。结果表明在全球变暖的背景 下， 包含北极圈在内的全球多地气温普遍上升，出现极端高温天气，其中加拿大变 暖速度显著高于全球平均水平， 气候变化引发极端事件频发； 对于第二问，为完成海 洋表面温度的规律分析，采用复杂网络建模构建全球海洋气候的非线性和线性复杂网 络模型并通过拓扑仿真方法对比两者的拓扑性质，利用度分布、聚类系数和介数等统 计特征可视化海洋不同海域的能量传递等现象。结果表明高纬度地区的海表面温变化 的复杂度低于低纬度地区。 因为高纬度地区海表面温度的季节性更加明显，序列的规 则性更强。相对来说季节性因素对低纬度地区海表面温度的影响不大。四季网络之间 的演化从某种角度上体现了海温系统随季节动态变化的特征。

针对问题二，通过研究 2008-2019 年间全球平均气温值以及影响因素数据，运用 LSTM-ARIMA 气温组合预测算法， 计算不同的气温影响因素权重，将碳排量、地球 散热、降水、海洋温度变化、大气环流这 5 个最高影响因素作为输入变量，全球平 均气温值作为输出变量进行模型训练；通过组合模型预测方法确定参数， 最后利用 组合模型预测未来 25 年全球平均气温变化， 结果表明未来全球变暖现象还将持续，2 但可能会出现短暂的局部降温情况，如在 2027 年出现一个小高峰， 2022 年和 2033 年出现小低谷，说明在这两个时间段全球平均气温可能会出现异常。

针对问题三，在第一问中，构建复杂网络模型，将全球各地区极端天气表示为复 杂网络中的异常节点，通过查看异常节点中的网络性质是否正常对全球气候变化和 极端气象之间的关系进行分析，探索气候变化是否对极端气象发生的严重程度及其 发生概率和不确定性产生影响。结果表明极端气象的出现与气候变化相关，且全球 气候变暖进一步增加了极端气象的出现； 第二问以美国为局地极寒地区的典型代表， 通过建立神经网络模型对是否发生局地极寒现象进行分析，对第一问结论做进一步 验证，结果表明全球平均气温的上升对美国降雪量变化有正向影响，气温越高，降 雪量越大。而全球平均气温对美国冬季平均气温又负向影响，即全球平均气温越高， 美国冬季气温越低。综上， 全球变暖和局地极寒现象并不矛盾，相反，两者之间恰 恰有很强的相关性。

针对问题四，在第一问中，通过研究局地极寒事件发现， 全球变暖造成北极升温 和北极海冰融化，北极增温使极地和中纬度地区温差减少，极地高压对极涡的控制 能力减弱，极涡较以往更容易携带冷空气南下。 同时，北极海冰融化会加速北极升 温，北极秋季海冰面积减少也会造成西风急流和经向风减弱，最终扩大了极地冷空 气的影响。考虑到北极增温带来的“炸弹气旋”能够通过能量频散的形式影响欧亚 大陆的环流形式，强大的西伯利亚高压给东亚带来更强劲的冷空气，结果导致中国 遭遇强劲的寒潮。第二问中，本文以“热效应下的气候紊乱”来代替“全球变暖” 概念。首先全球变暖是一个趋势，虽然太阳活动的减弱造成了短暂的全球变暖停滞 状态，但改变不了全球升温的长期时间趋势， 当前全球气温状况远比我们看到的升 温速率快，“全球变热” 仍是当代人急需解决的问题。全球变暖引发了地球气候系 统的失衡， 造成全球气候变化更加紊乱。

关键词： 全球变暖 局部极寒 时间序列 复杂网络算法 拓扑仿真 LSTM-ARIMA 气温组合预测算法

链接：https://pan.baidu.com/s/1120rXkSjzEAKDTtLTD2W2A
提取码：jzfm