Статистический анализ глобального потепления на примере Санкт-Петербурга

Тенденции глобального потепления климата планеты. Методы статистического анализа и наблюдения за изменением климата на примере Санкт-Петербурга за последние сто лет. Вычисление среднегодовой сезонной температуры, построение графика ее общего изменения.

Рубрика Экономика и экономическая теория
Вид курсовая работа
Язык русский
Дата добавления 22.12.2010
Размер файла 1,2 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

12

ВВЕДЕНИЕ

Вопросы изменения климата довольно частая и важная тема для обсуждения в наше время. В нашей стране, благодаря ее широкой протяженности и климатическим поясам, изменения климата cмогут отразиться в полной мере, как в положительную так и отрицательную сторону. Поэтому для статистических исследований в программе Excel, я взял данные, которые ведутся нашими синоптиками с 1834 года. Именно в этом году император Николай I учредил в Санкт-Петербурге “Нормальную обсерваторию”, где впервые в России начали проводить регулярные метеонаблюдения.

В данной работе я хочу статистическими методами пронаблюдать изменения климата в нашем городе за более чем столетний период времени, а так же обнаружить рекордные максимумы и минимумы температур за все время ведения наблюдений.

1. ДИАГРАММА ИССИКАВЫ

Причинно-следственная диаграмма" ("рыбий скелет")

Автор метода: К. Исикава (Япония), 1952 г. Позволяет в простой и доступной форме систематизировать все потенциальные причины рассматриваемых проблем, выделить самые существенные и провести поуровневый поиск первопричины.

1.1 Суть метода

Применяется при разработке и непрерывном совершенствовании продукции. Диаграмма Исикавы - инструмент, обеспечивающий системный подход к к определению фактических причин возникновения проблем.

Диаграмма Исикавы позволяет:

- Стимулировать творческое мышление;

- Представить взаимосвязь между причинами и сопоставить их относительную важность.

Недостатки метода:

- Не рассматривается логическая проверка цепочки причин, ведущих к первопричине, т. е. отсутствуют правила проверки в обратном направлении от первопричины к результатам.

- Сложная и не всегда четко структурированная диаграмма не позволяет делать правильные выводы.

- От себя добавлю отсутствие обратной связи в данной диаграмме

1.2 Цель метода

Изучить и графически отобразить и обеспечить технологию поиска истинных причин рассматриваемой проблемы для эффективного их разрешения. Поэтому метод легко применим к любому процессу. В данном случае процессу изменения климата.

Рис 1. Диаграмма Исикавы.

2. ПОЛУЧЕНИЕ ДАННЫХ И ИХ ОБРАБОТКА

Excel позволяет работать как с внешним источником данных так и с данными сохраненными в сторонних форматах, например текстовых. Например данные по среднемесячным температурам (около 175 лет) я загрузил из интернета.

Основный и значительный минус данного метода- в том что в таком варианте часто возникают ошибки из-за разного форматирования данных. Например десятые и сотые в нем отделяются строго запятой а не точкой. Поэтому предпочтительнее сохранять данные в txt формате и после дальнейшего форматирования загружать их в ексель.

Пример: текст требующий замены точек на запятые.

26063 1881 1 1 0 -1.5 0 -0.2 0 1.0 0 1.3 0 0

26063 1882 1 1 0 -8.2 0 -2.8 0 9 0.0 2 0

26063 1883 1 1 0 -21.7 0 -19.1 0 9 0.0 2 0

26063 1884 1 1 0 1.1 0 1.8 0 2.1 0 0.0 2 0

26063 1885 1 1 0 -17.1 0 -15.4 0 -8.3 0 0.0 2 0

26063 1886 1 1 0 -7.9 0 -4.5 0 -1.0 0 3.4 0 0

26063 1887 1 1 0 -9.1 0 -5.9 0 -5.6 0 0.0 2 0

26063 1888 1 1 0 -15.2 0 -10.5 0 -9.2 0 1.8 0 0

26063 1889 1 1 0 -20.2 0 -18.6 0 -16.6 0 0.0 2 0

26063 1890 1 1 0 -11.1 0 -7.6 0 -4.0 0 0.7 0 0

26063 1891 1 1 0 -3.5 0 -0.7 0 1.7 0 0.1 0 0

Далее данные необходимо просто разбить по столбцам, и они уже могут быть использованы для дальнейшего форматирования и анализа.

2.1 Построение графиков

По полученным данным я вычислил среднегодовые температуры, для построения графика общего изменения температуры.

Дополнительно я нанес на график линию тренда. Восходящая линия тренда возникает как из-за среднего увеличения температуры, так и из-за последовательного увеличения уровня пиков на графике. Тем не менее, она показывает тенденцию к росту среднегодовой температуры, которая составила очень приблизительно 2.5 градуса за срок около 150 лет.

Так же на основе этих данных я вычислил среднемесячную температуру за данный период.

А так же среднемесячные максимумы и минимумы. И среднюю температуру за весь период измерений (4.4 градуса)

На основе получившихся данных, можно построить графики среднемесячных температур за последние годы относительно общих за полтора века, дабы отследить помесячно разницу в климатических изменениях как численно, так и во времени.

Можно отметить, что в целом температура выше, за исключением 2х лет (2006, 2007) которые отличались холодными зимами (для Санкт-Петербурга)

2.3 Построение гистограмм

Для построения первой гистограммы я воспользовался все теми же данными. А для расчета количества интервалов воспользовался коэффициентом Стерджесса.

R=6,4

Eизм=0,1

К(Стердж.)=

8

h=(6,4/8)=

0,8

Границы инт.

1,2

2

2,8

3,6

4,4

5,2

6

6,8

7,6

Затем с помощью логического оператора =СЧЁТЕСЛИ с заданными условиями, я рассчитал количество попаданий в интервал.

Для построения следующей гистограммы. Я взял другие данные, данные среднесуточной температуры за период с 1834 года по 2009 год.

На этот раз подключил пакет анализа в Excel. И с помощью инструмента выборка из данного диапазона случайным способом выбрал 100 значений и построил по ним диаграмму, в которой количество интервалов оставил по-умолчанию ( в т.сл. excel сам выбирает такое значение), а их границы выбрал так чтобы на каждый столбец приходился диапазон в 4 градуса. Результат:

Стоит отметить, что несмотря на довольно малый объем выборки (всего 2%) получились довольно точные данные. Те же средние 4 градуса, что и в предыдущей гистограмме и расчете среднего значения. Также я построил диаграмму по полной совокупности измерений (47000 значений) и она обладала схожими очертаниями и зависимостью.

Далее, используя операторы =МИН и =МАКС, я выявил абсолютные минимумы и максимумы за весь период исследуемых наблюдений. Результат:

2.4 Результаты обработки

Абсолютный минимум ( по Санкт-Петербургу ) в 35,9 градусов ниже нуля зафиксирован 11 декабря 1883 года, а абсолютный максимум составил 34,6 градусов выше нуля и был зафиксирован в 1998 году.

Самым холодным годом был 1862 год, его средняя температура составила всего 1,2 градуса. Самым теплым оказался 1989 с 7,6 градусами. А в последние годы (с 2000ого) среднегодовая температура колебалась в районе 6 - 7,3 градусов. Что опять-таки около 2,5 градусов выше средней 4 градусной температуры.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. «Управление качеством продукции» РИА «Стандарты и качество» 2005г.

2. «Статистические методы в управлении качеством» / Е.А. Фролова, 2007

3. www.statmetkach.com - способы работы с данным в Excel

4. www.window.edu.ru - методические пособия и прочее

5. www.guap.ru - методические пособия по статистическим методам и их применению в Excel

6. www.inventech.ru - описания статистических методов менеджмента качества

7. ГОСТ 7.32--2001 - правила оформления текстовых документов


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.