摘要
本文首先给出了离散时间序列多重分形消除趋势波动模型(MFDFA),并用该模型研究金华市1953年1月1日2012年2月29日年间的春夏秋冬四季的日平均温度波动时间序列.通过分析发现:1)春季和秋季的日平均温度波动具有持久性短程相关性和记忆性,而夏季和冬季的日平均温度波动则具有持久性长程相关性和记忆性,这是温度时间序列可以建立预测模型的前提.2)春季的日平均温度的波动要比其他三季要小,而冬季的日平均温度的波动程度是最大的.3)日平均温度波动时间序列具有多重分形性的特征,这对利用多重分形知识建立预测模型提供了依据.最后,通过统计意义上的稳定性和可靠性检验,证明上述实证结论是具有统计意义的.