简介：研究了Lorenz非线性系统中使用的集合平均方法来减小计算误差的效果,通过检查5组数值试验（每组20个样本）的结果发现：集合平均对计算误差的减小和消除不如高精度算法有效,这主要体现在以下几方面：1）普通的算法和双精度的计算环境中,若截断误差是主导误差（当初值误差很小时）,各集合的平均结果并不收敛于真值,而是收敛于含截断误差的数值解;2）若初值误差为主导时,系统受到初值误差增长规律的影响,数值解收敛于由初值误差主导的误差解;3）这两种误差量级接近的时候,两种误差都无法消除掉。对解的统计特征进行研究表明,可信的数值解与含计算误差的数值解有许多相似的地方,但是与集合平均的数值解有很大不同,同样说明了集合平均不适用于减小计算误差这样的问题。此外,试验结果表明即使数值解的概率分布形式基本正确,也不能保证数值解是正确的。

简介：哈萨克斯坦是世界最大的内陆国家,拥有典型的大陆性气候和多样的地理环境及生态系统,同时哈萨克斯坦的自然环境和人类社会对于气候变化这一全球性问题是敏感的、脆弱的,需要运用科学的研究方法应对气候变化的挑战。通常,区域或局地尺度的气候变化影响研究需要对气候模式输出或再分析资料进行降尺度以获得更细分辨率的气候资料。近年来,大量验证统计降尺度方法在各个地区能力的研究见诸文献,然而在哈萨克斯坦地区验证统计降尺度方法的研究非常少见。本文使用了岭回归的方法对哈萨克斯坦地区11个气象站点1960-2009年的月平均气温进行了统计降尺度研究。结果显示,使用前30年数据和岭回归模型建立大尺度预报因子和观测资料的统计关系可以较好地预测后20年的月平均气温,预测能力在各站各月均有不同程度的差异,地形复杂的站点预测效果较差,夏季预测结果好于冬季;此外,将哈萨克斯坦地区平均来看则与观测数据相吻合。