共同提出EEMD（集合经验模态分析）数学统计方法的气候学者——吴召华

hillside

关键性论文：Wu, Z. and Huang, N.E. (2009). Ensemble empirical mode decomposition: A noise-assisted data analysis
method, Advances in Adaptive Data Analysis, 1(1), 1-41.
      从论文署名看，这是EMD方法的发明者Huang, N.E与Zhaohua Wu的共同创作。从作者署名次序看，这篇论文的主要贡献者可能是Zhaohua Wu（因为W在英文字母中排序在H之后，杨振宁与李政道的多年恩怨即系于排名之争）。      

http://coaps.fsu.edu/Zhaohua-Wu                            吴召华博士的个人主页简介
Zhaohua Wu Assistant Professor, Meteorology
(850) 644-4841 faxzwu@coaps.fsu.edu
This email address is being protected from spambots. You need JavaScript enabled to view it.

    My primary research interests are atmospheric and climate dynamics, especially in searching for physically and logically consistent theories of the variability and change of the Earth's climate system, ranging from intraseasonal to the Earth's orbital change timescales. The approaches that I am using to achieve research goals include analyzing observational and proxy data, synthesizing and theorizing physical essence of climate phenomena, and using climate system models.Climate theories, in general, are aiming at understanding and predicting climate normal (mean climate, major climate cycles, etc.), its change, and the variability of anomaly with respect to the normal. The validity of the theories is dependent on the definitions of the normal and its corresponding anomaly. I am particularly interested in searching for the answers to fundamental questions, such as: What is climate normal and what is climate anomaly? In what way can we define climate anomaly that can lead to simpler and more general theories for various climate phenomena? In what perspective can the theories of climate variability and change be more intuitively appealing to our understanding and be more logically consistent?As data analysis is the starting point for seeking the answers to scientific questions, my research interests also include the development of new data analysis tools that are consistent with fundamental physical constraints such as temporal and spatial locality. Particularly, I make effort to improve a new generation of data analysis methods, the Empirical Mode Decomposition (EMD) that satisfies temporal and spatial locality and its most recent development, the Ensemble Empirical Mode Decomposition (EEMD) - a noise-assisted data analysis (NADA) method. I also search for the mathematical foundations of EMD/EEMD and make novel applications to scientific and engineering fields other than climate research.

国内网页对于Zhaohua Wu副教授的介绍：
1.http://atmos.lzu.edu.cn/keylab/lzupage/2012/06/01/N20120601065826.html
兰州大学大气科学学院 半干旱气候变化教育部重点实验室
                                                                                        Zhaohua Wu副教授学术讲座            
       应兰州大学大气科学学院院长黄建平教授的邀请，美国佛罗里达州立大学地球、海洋和大气科学系Zhaohua Wu副教授来我校访问并面向全校师生作学术报告。
       题目：On the Time-Varying Trend in Global-Mean Surface Temperature
       时间：2012年6月4日（周一）上午9:00
       地点：盘旋路校区齐云楼0310教室

                                                                                        Zhaohua Wu副教授简介
       Zhaohua Wu副教授于1988年在南京大学大气科学系获得学士学位，1988-1991年在中科院大气物理研究所获得硕士学位，1998年在美国华盛顿大学大气科学系获得博士学位，2000-2001年在美国马里兰大学海洋-陆地-大气研究中心做博士后研究，2001-2005年在美国华盛顿东南大学计算机科学系担任讲师，2002-2008年在美国马里兰大学海洋-陆地-大气研究中心工作，2009至今在美国弗罗里达州立大学气象学系以及弗罗里达州立大学海洋-大气预测研究中心担任副教授。Zhaohua Wu副教授的主要研究领域为大气和气候动力学，尤其是在研究地球气候系统变化的基础理论。他对气象和气候资料的分析方法研究也有一定的贡献，他提出了一个改进的数据分析方法：经验模式分解（EMD）和噪声数据分析方法（NADA），为人们加深对气候变率的理解和全面认识全球气候的变化提供了依据。

2.

6月1日寒旱所学术报告预告

发布时间：2012-05-30  |

应中科院寒旱所寒旱区陆面过程与气候变化重点实验室主任吕世华研究员邀请，佛罗里达州立大学地球海洋与大气科学系吴召华博士将于6月1日来我所开展学术交流，并举行学术报告会。 报告题目：Ensemble Empirical Mode Decomposition: A noise-assisted data analysis method 主 持 人：吕世华 研究员 报告时间：6月1日星期五，下午3:00—4:00 报告地点：火炬大厦三楼 307 报告内容简介：In this talk, the Ensemble Empirical Mode Decomposition (EEMD)  will be introduced, It is a new variation of the Empirical Mode Decomposition (EMD). EMD is a one-dimensional analysis method that is based on the principles of temporal-spatial locality and adaptiveness. It has many striking mathematical properties that other methods do not own. However, EMD lacks the ‘physical uniqueness’ when it is applied to real world data due to the scale mixing in the decomposition. The EEMD is developed in light of many mathematical properties of EMD. EEMD consists of an ensemble of decompositions of data with added finite amplitude white noise, and then treats the resultant means of the corresponding components from different decompositions as the final result. This new method uses white noise to provide a dyadic filter bank for the decomposition of data, and then cancels the added white noise out via ensemble averaging; therefore, it is truly a noise-assisted data analysis (NADA) method. After the concepts and details of EEMD algorithm are explained, the new development of the multi-dimensional EEMD for the decomposition and analysis of multi-dimensional spatial-temporal or multi-dimensional spatial data (including images) will be introduced. This new development deviates philosophically from the simple extensions of one-dimensional data decomposition to two-dimensional image decomposition using membrane fitting instead of curve fitting in the one-dimensional EMD, which naturally inherit the scale mixing problem of its one-dimensional version. In this new development of the multi-dimensional EEMD, Wu.etc invented the “minimum scale strategy” to combine the components obtained from applying EEMD consecutively in all spatial-temporal directions. The wonderful properties of EEMD and its multi-dimensional version will be demonstrated using both the decompositions of real world data and images. Novel applications of the EEMD method to climate data analysis will be presented to show its power through the whole talk.

附录：科学是向前发展的。EEMD是对EMD的改进，对于EEMD改进已在进行之中。现摘录一篇论文的片断：
Advances in Intelligent Systems
Advances in Intelligent and Soft Computing Volume 138, 2012, pp 109-115
Improved Ensemble Empirical Mode Decomposition Method and Its Simulation

• Jinshan Lin
  

Abstract

Ensemble empirical mode decomposition (EEMD) is a powerful tool for processing signals with intermittency. However, a problem existing in the EEMD method is the absent guide to how much amplitude of the added white noise should be appropriate for the researched signal. To begin with, the problem was investigated using a noiseless simulated signal. Moreover, based on the conclusions obtained in the above step, the improved EEMD (IEEMD) method was proposed to deal with the noisy signals. Then, a noisy simulated signal was used to measure the performance of the IEEMD method. The results showed that the IEEMD method could greatly alleviate the problem concerning the EEMD method. Additionally, the paper indicates that the IEEMD method may be an improvement on the EEMD method.

附录：科学是在改进中前进的。EEMD是对EMD的改进，对于EEMD的改进也有一些文章出现。

EEMD改进论文举例：
Advances in Intelligent Systems
Advances in Intelligent and Soft Computing Volume 138, 2012, pp 109-115
Improved Ensemble Empirical Mode Decomposition Method and Its Simulation

• Jinshan Lin
• Abstract
  Ensemble empirical mode decomposition (EEMD) is a powerful tool for processing signals with intermittency. However, a problem existing in the EEMD method is the absent guide to how much amplitude of the added white noise should be appropriate for the researched signal. To begin with, the problem was investigated using a noiseless simulated signal. Moreover, based on the conclusions obtained in the above step, the improved EEMD (IEEMD) method was proposed to deal with the noisy signals. Then, a noisy simulated signal was used to measure the performance of the IEEMD method. The results showed that the IEEMD method could greatly alleviate the problem concerning the EEMD method. Additionally, the paper indicates that the IEEMD method may be an improvement on the EEMD method.
  
  

注1：  EEMD是两位华人（一位来自台湾、一位来自大陆）合作的产物，年轻的吴召华应当是已入老年的黄先生的弟子或合作者。对于EMD、HHT与EEMD的科学性似乎存在一些不同的声音。具体内容我并不了解。动力论坛上有一个帖子讨论了这方面内容（http://bbs.lasg.ac.cn/bbs/thread-3380-34-7.html），对于EMD与HHT等的价值提出了强烈质疑。

注2：符淙斌、吴召华联合指导的的博士论文《一个建立气候距平参照系的新方法及其检验和应用》（钱诚）明确说明了“集合经验模分解(EEMD)方法在提取年循环分量以及年际年代际尺度分量上的鲁棒性(robustness)以及相比其他方法的优越性”。该论文摘要如下：
        本论文利用中国区域地表气温观测资料的实例，阐述了传统距平存在的两大主要问题：①物理上不唯一、②仍然包含年循环，并提出了解决这些问题的一个途径，即以自适应获得的年循环作为气候距平的参照系，并通过实例比较阐明了它的优越性，进而提出了新的距平参照系建立的必要性，此外还用观测资料探讨了气候态的稳定性。
　 具体工作和主要结论如下：
　　 (1)用已知信号的理想实验、以及与其他方法的实例比较，验证了本论文使用的核心方法一集合经验模分解(EEMD)方法在提取年循环分量以及年际年代际尺度分量上的鲁棒性(robustness)以及相比其他方法的优越性；
　　 (2)用中国区域地表气温观测资料的实例阐述了传统距平存在的两大主要问题：①物理上不唯一、②仍然包含年循环；用EEMD方法自适应地从逐日气温资料中提取其年循环(频一幅调制的年循环，MAC)，将MAC参照系与传统距平参照系、MAC参照系下的距平与传统距平进行了比较，分析了它的振幅和春季位相在过去50多年的变化及其可能的原因，进而阐明新的距平参照系的优越性和必要性。
　　 结果显示：①MAC分量占了原序列的绝大部分方差贡献(基本在90％左右)；它是频一幅调制的，它在过去50多年的交化非常大，甚至超过了年际变率的量级。②传统的距平参照系会因为新资料的加入而改变，因而物理上不唯一，与实际不符；不仅如此，传统距平仍然包含年循环，没有达到“距平”的目的。而MAC参照系是固定的参照系，相同的研究时段不因新资料的加入而发生改变，它在物理上的唯一性与实际相符；以MAC作为参照系的气候距平基本克服了传统距平的以上两大问题。此外，传统距平不仅包含有年周期，和所谓的“去掉年周期(距平)”矛盾，而且它还包含了尺度小于年周期的波动，不适合直接用来研究“年际年代际变率”；同样，13个月滑动平均也去不掉年循环，其效果甚至还不如传统距平；相比之下，MAC参照系下的低频分量更适合用来描述“年际年代际变率”。③温室效应并不能解释1961～2002年间中国气温MAC的振幅变化趋势(从减幅趋势转为1980年代末期后的增幅趋势)，而同期中国地区到达地面的太阳总辐射的总体减少趋势(变暗趋势)以及1980s未期后的回升趋势(变亮趋势)可能才是主要原因。④自适应且唯一地定义了新的气候春分日，得到北京站1952-2006年间气候春分日总的线性趋势为提前2.6天/年代，其中因MAC分量本身的变化而变的部分为提前1天/年代，因年代际的增暖趋势分量而变的部分为1.6天/年代，而年际分量对总的提前趋势有微弱的贡献。此外，因MAC分量本身变化而变的部分存在很大的年际变率，在研究时段内相差可多达19天，这部分变率可能的预报因子是2月份西伯利亚地区的海平面气压强度。⑤中国北方地区绝大部分站点在1953-2002年间出现了春季提前的趋势，然而因MAC而变的部分则存在明显的东、西部差异。
　　 (3)针对过去研究中国气温变化影响因子存在的三个问题，发展了用EEMD方法分离中国逐日气温的不同时间尺度分量，尤其是分离频率和振幅都变化的年循环(MAC)以及年际分量，并以MAC作为距平参照系，分别分析MAC分量、年际分量和年代际趋势三个不同时间尺度分量的空间模态和时间演变特征，探讨中国气温变化不同时间尺度上的影响因子的研究思路，并着重分析了年际变率及其影响因子，就1953-2002年的中国地表气温得到以下结论：
　　 ①年循环分量随时间不断变化，它的主要模态呈纬向分布，北方振幅大于南方。②年际尺度分量存在两个主要模态：第一模态为除四川局部外全国一致变化，它可能与西伯利亚高压和阿留申低压有关；第二模态为东北和其他地区呈翘翘板式变化，它可能和北极涛动(AO)、极涡和ENSO有关。③年代际趋势分量的主要模态为大部分地区呈波动性增温趋势，北方增暖更显著。④MAC参照系下的结果与传统距平一致的地方是：就年际变率而言，它们的两个主要模态分布基本一致，且第一模态都与西伯利亚高压强度有关，第二模态都与AO强度、极涡强度有关。但是，第二模态是否和ENSO有关，两者有很大差异。
　　 (4)用EEMD方法将Nino3区海温自适应地进行尺度分离，并用2-7年尺度分量构建了新的ENSO指数，重新划分了冷暖事件，初步分析了ENSO和中国降水可能的联系及1980年代后两者关系变弱可能的原因，结果显示：①ENSO有其自身的准周期振荡规律，目前的全球变暖背景下，暖事件并没有明显增多、冷事件也并没有明显减少，而准11年周期的分量对Elnino和Lanina事件的划分有一定的影响；②ENSO对中国降水可能的影响区是随时间向北推进的，同期影响华南，6-8个月以后影响长江中下游地区，9-12个月后影响华北地区，对中国整个区域的影响可以持续一年半后撤出中国；③1980年代以后的ENSO事件中，印度洋海温在年际尺度上的作用开始增强。
　　 (5)用EEMD方法从1756-2000年瑞典Stockholm站的逐日气温资料中自适应地且唯一地确定了每年的气候春分日，定量分析了其长期变化趋势及其与北大西洋涛动(NAO)和气温变率间的关系，结果显示：在近250年中该站的春季起始日经历了“从延期到提前”的长期趋势变化，转折点发生在1884-1885年左右，而且1757-1884年间的延期趋势(6.9天/世纪)以及1885-1999年间的提前趋势(-7天/世纪)都是显著的。冬季的NAO指数只是在最近的几个年代上与该站的春季起始日存在年际上的相关关系，而不能解释它的长期变化。该站的平均温度，尤其是春季温度，从变冷趋势到1880年代以后转为增暖趋势可能是春季起始日长期变化的原因。
　　 本论文的结果显示，中国气温的MAC在过去50多年的变化(无论是振幅还是位相)已经非常大了，大到我们不能再继续忽视这种变化了；而且，用MAC参照系下的距平得出的结果和使用传统距平差异很大。在当前全球变暖又变暗、人类活动可能已经在改变气候的基本状态的大背景下，如果我们再继续用传统假定固定不变的年循环来近似(或者认为是)实际的年循环，进而计算气候距平，将对年际年代际气候变率(特别是年际变率)的研究造成很大的歪曲。因此，我们认为，以更接近真实年循环的MAC作为气候距平的参照系不仅比传统的距平参照系优越，而且是必要的。


注3：因为吴召华与合作者黄先生提出的EEMD统计方法在多个学科有现实的与潜在的应用，所以应用价值与科学内涵涉及多个领域，引起了广泛的关注。

liujimin025

厉害，大牛人！！

kongfeng0824

得空了研究一下EMD和EEMD。

黎明的夕阳

楼主厉害！！支持！！

黎明的夕阳

楼主厉害！！支持！！

黎明的夕阳

楼主厉害！！支持！！

黎明的夕阳

楼主厉害！！支持！！

黎明的夕阳

楼主厉害！！支持！！

黎明的夕阳

{:eb502:}

dm12

厉害，大牛人！！