摘要：目前有关非平稳复杂系统及其在预测中的应用研究是一个较少被人理解并有重大科学意义的前瞻性研究课题.在大气运动中,气候正是一个典型的非平稳系统,但是现有的气候预测理论,包括统计预测理论和非线性预测理论,几乎都无一例外地建立在平稳性假定的基础之上,这有悖于气候过程的基本性质,它有可能是导致气候预测水平低下的重要的理论原因.因此以分析如何降低时间序列非平稳程度作为切入点来研究短期气候预测问题有着重要的理论意义.利用基于“升维”思想的支持向量机方法对时变控制参数条件下Lorenz系统产生的非平稳时间序列以及来自实际气候系统的非平稳时间序列进行预测试验研究.结果表明,基于统计学习理论的支持向量机方法对于非平稳过程存在稳定的预测能力.由于该方法可以通过核函数实现从样本空间到高维特征空间的非线性映射,这样可以理解为通过非线性映射,将低维空间中的非平稳过程映射到高维空间,通过“升维”在一定程度上降低了系统的非平稳程度.

关键词：支持向量机 非平稳过程 预测 

单位：中国科学院大气物理研究所 北京100029 南京信息工程大学大气科学学院 南京210044