尚梦琦

【摘要】    气候变暖是人类的共同威胁，对气候及极端天气相关数据的分析有助于加深人们对全球变暖的理性认识。本文以加拿大为例，结合数据挖掘技术，使用支持向量回归（SVR）方法对目标地区的温度情况进行分析与预测，探索气候变化规律，为共同应对全球变暖提供帮助。

【关键词】    全球变暖    SVR    气候变化

Abstract：Climate warming is a common threat to mankind， and the analysis of climate and extreme weather related data can help deepen peoples rational understanding of global warming. This article takes Canada as an example， combined with data mining technology， uses support vector regression （SVR） methods to analyze and predict the temperature in the target area， explore the laws of climate change， and provide help for the joint response to global warming.

Keywords： Global warming; SVR; climate change

引言

溫室效应不断增加，导致地气系统能量失衡，而这些不平衡的能量在地球积聚，导致温度上升，造成全球气候变暖。这一问题的出现，为世界气候带来了相当的影响，例如冰川和冻土消融、海平面上升、极端天气的出现等等。这些不仅会影响自然生态的平衡，也威胁着人类的生存环境。因此，通过相关数据找出温室效应与全球气候变化之间的关系，并由此预测未来温度的变化具有现实意义。

一、数据来源

根据文献调研结果发现，可能影响气候变化的因素有：二氧化碳排行量、人口数量、GDP等。由于气候是长时间内气象要素的统计状态，选择以年为单位进行分析。建模数据来自世界银行公开数据和加拿大政府网站。

二、基于SVR的温度预测模型

支持向量机回归是基于统计学习理论和结构风险最小化原理而提出的一种由监督的新的机器学习方法，适合小样本下的统计学习分析。因此，本实验采用如图1所示的技术路线进行研究分析。

2.1特征选择

考虑到现有的数据集中包含的特征，选择1960年至2018年的数据，同时加入了季节因素，建模采用的特征分别是：人口、人均二氧化碳排放量、国内生产总值、春季气温偏移量、夏季气温偏移量、秋季气温偏移量和冬季气温偏移量。……