課程資訊
課程名稱
應用氣象統計學二
APPLIED STATISTICE IN METEOROLOGY (II) 
開課學期
96-2 
授課對象
理學院  大氣科學研究所  
授課教師
吳明進 
課號
AtmSci7033 
課程識別碼
229 M6040 
班次
 
學分
全/半年
半年 
必/選修
選修 
上課時間
星期五3,4,@(10:20~) 
上課地點
大氣A108 
備註
總人數上限:38人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/962atm_statII 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

統計分析是大氣科學研究和應用必備的基本工具之一。本學期將介紹統計學中很重要一部份-時間數列分析。課堂中將簡單的介紹相關的理論和最近的發展,而著重於統計方法的應用,並將以實際的大氣現象舉例說明氣象學家如何選用這些統計方法於大氣的研究與應用。本學期我們將做一個小小的研究計畫,以實際的運算來幫助對各項統計方法的了解。時間數列分析完全獨立於應用氣象統計學(一)的主要內容-多變數分析,沒修過(一)的也可以修習。

學分:3
授課老師:吳明進教授
上課時間:週一11:10~12:00、週五10:10~12:00
TEL:23625867 E-mail:wu@wu.as.ntu.edu.tw
Office:大氣系B206
Office hour:週一 14:00~16:00
學期成績:作業80% 學期報告20%
講義 : http://wu.as.ntu.edu.tw
 

課程目標
課程大綱:
1、 氣象時間數列分析緒論
a、 時間數列分析的基礎
b、 氣象數據時間數列及其預處理
2、 平穩時間數列分析的時域分析與應用
a、 ARIMA 模式
b、 Vector ARMA
3、 時間數列分析的頻率域分析
a、 Introduction
b、 Fast Fourier Transform and Maximum Entropy
c、 Wavelet analysis
4、 時間數列分析的相空間分析
a、 Introduction:
b、 Application: Singular Spectrum Analysis
 
課程要求
 
預期每週課後學習時數
 
Office Hours
 
參考書目
Time series analysis-frequency domain
1、Jenkins,G.H. & D. G. Watts, 1980:spectral analysis and it’s applications Holden-day etc. ISBN0-8162-4464-2.
2、Brigham ,E.O. 1974: The Fast Fourier Transform.
Prentice-Hall.

Time series analysis-time domain
1、 時間數列分析與預測 林茂文編著 華泰書局, 1992.
2、 Box and Jenkins ; 1976: Time series analysis-forecasting & control
Holden Day. Inc. ISBN 0-8162-1104-3
3、 動態和靜態數據處理-時間序列和數理統計分析
項靜恬、史文恩、周琴芳、杜金觀、孔楠編著,氣象出版社(北京), 1991.
4、 氣象數據時間序列信號處理,丁裕國、江志紅編著,氣象出版社(北京), 1998.
5、 小波分析方法的應用 李建平、唐遠炎 重慶大學出版社 2001.
Time-series analysis-phase domain1、 長期預報的相空間理論和模式,林振山著, 氣象出版社(北京), 1993.
2、 非線性力學與大氣科學,林振山著, 南京大學出版社. 1993.
3、 非線性科學及其在地學中的應用,儀垂祥編著, 氣象出版社(北京), 1995.
4、 Singular Spectrum Analysis: A New Tool in Time Series Analysis J.B Elsner and A.A. Tsonis plenym
 
指定閱讀
 
評量方式
(僅供參考)
   
課程進度
週次
日期
單元主題
第1週
2/20,2/22  A brief review on basic statistics 
第2週
2/27,2/29  A brief review on basic statistics 
第3週
3/05,3/07  An introduction to time series analysis 
第4週
3/12,3/14  Ch2. Timeseries analysis- Time domain
2.1 First order Autoregression model
2.2 Higher order AR model 
第5週
3/19,3/21  MA(q), ARMA(p,q) 
第6週
3/26,3/28  2.7 ACF & PACF , 2.8 Model identification, 2.9 ARIMA, 2.10 Forecasting 
第7週
4/02,4/04  Memorial day break 
第8週
4/09,4/11  Seasonal model, Transfer function model,intervention model 
第9週
4/16,4/18  vector ARMA 
第10週
4/23,4/25  Time seriesanalysis- frequency domain
3.1 Fourier Transform and inverse Fourier Transform 3.2 Fourier series and power spectrum  
第11週
4/30,5/02  3.3 Power spectrum estimation.3.3.1 Schuster periodogram analysis, 3.3.2 Power spectrum estimation via directly Fourier Transform, 3.3.3 Fast Fourier Transform 3.3.4 Aliasing 3.3.5 Power spectrum estimation via auto-covariance FFT 3.4 Statistical Test 3.4.1 Test of stationarity 3.4.2 Test against red and white noise
 
第12週
5/07,5/09  3.5 Multivariate spectral analysis 3.6 Filtering 
第13週
5/14,5/16  3.7 Maximum entropy method
4. Wavelet analysis 4.1 introduction to wavelet analysis and a brief histry 4.2 basic math idea 
第14週
5/21,5/23  4.3 One dimension wavelet analysis 4.4 Wavelet transform and inverse wavelet transform 4.5 Choice of mother wavelet function 4.6 Application of 1-D wavelet analysis in Atmospheric Sciences 
第15週
5/28,5/30  4.7 Signal processing- filtering with wavelet transform 4.8 2-D wavelet analysis 
第16週
6/04,6/06  Ch.5 Time series analysis- Phase domain- Singular spectral analysis 5.1 An introduction to time series analysis in phase domain 5.2 Chaos and attractor 5.3 Fractal dimension and information dimension  
第17週
6/11,6/13  5.4 Reconstruct phase space from single variate time series-singular spectrum analysis 5.5 Application in Atmospheric Sciences- Forecast with SSA-MEM 
第18週
6/18,6/20  Term project presentation