本文以 LSTM 神经网络和学习算法为基础，针对全球变暖现象进行了量化分析和研 究，在对各类数据样本进行预处理的时候，运用了均一性检验和质量控制以及相邻线性插 值的方法。运用多元高次多项式的非线性回归以及“小波分析—越险指标” 和“上述多因 素决策气候指标”等方法建立分析数学模型，利用 python 和 matlab 编程软件对上述数学 模型进行程序实现了对于全球变暖现象的量化分析和研究。
针对问题一： 对收集的数据进行严格的质量控制和均一性分析处理并且针对部分缺失 值进行了线性插值处理，建立了 LSTM 时空序列数据分析模型在空间多测度、时间多时相 分析天气变化历史数据的时空趋势及规律，得出了随着全球气候变暖出现极端气候的结论 以及通过分析发现如下结果：（1）加拿大全国年平均气温在统计的 26 年间温度整体上升 1.2℃；（2）加拿大全国低纬度地区温度上升速率大于高纬度地区；（3）全球海洋温度趋 势整体上升并且仍然会以 0.2℃/10 年的趋势上升。（4）基于海洋温度的变化可以得到出 现厄尔尼诺现象的时空特征。
针对问题二： 全面考虑地球吸热、散热，海洋温度变化数据以及地气系统平衡方程的 基础上通过各指标的统计分析确定复杂气候模型系数，基于多元高次多项式非线性回归的 方法对装配所得复杂气候模型进行简化并且得到各分项系数，比较简化前后的预测模型验 证模型的准确性并且得出未来 25 年的预测规律得出了全球气候是持续变暖的结论以及得 出如下结果：（1）预测在 2045 年左右全球平均气温将升高 0.6 摄氏度左右；（2）由于变 暖预测显示出一种“厚尾”分布， 2045 年后其继续变暖变暖的可能性更大。
针对问题三： 梳理收集极端气象的统计数据，建立可表征极端气象在全球范围内发生 规律的“小波分析—越险指标”天气预测修正模型，基于上述修正模型得出持续变暖致使 了极寒天气在频次、程度、概率的增加的结论以及如下结果：（1）随着全球气温的上升， 极寒天气的出现频率和剧烈程度均有所提高；（2）全球变暖与局部地区极寒现象并不矛 盾。
针对问题四： 以问题一中加拿大数据集和问题二三的数学模型作为参考分析了极端天 气的频次、程度和概率指标， 解释了全球变暖与今年冬天特别冷之间的关系，以“多因素 决策气候指标” 作为考虑了气候变化趋势和复杂性的“全球变暖”的新概念。
关键词： 温室效应 极寒天气 多目标规划 LSTM 神经网络机器 小波分析—越险指标 多因素决策气候指标
E19106180041链接：https://pan.baidu.com/s/1r2XB48DpE8oT3vDOEGe45A
提取码：aeca