全球变暖 : 是自然现象还是人为所致？ 诸平 Artificial Neural Network (ANN) Most global warming is natural and even if there had been no Industrial Revolution current global temperatures would be almost exactly the same as they are now, a study has found. 全球变暖是人类活动所致这几乎已经成为环境科学家们的共识，但是 2017 年 8 月 23 日 物理学家组织网（ Phys.org ） 网站报道了澳大利亚 生物学家、气候科学 否定论者 詹妮弗 ·马罗哈西（ Jennifer Marohasy ） 和计算机科学家约翰 ·阿博特（ John Abbot ）合作研究的最新结果，他们 使用神经网络技术 （ neural network technology ） 对于世界气候变化的研究 结果表明 , 世界气候 正在经历的变化几乎是完全自然的 ， 即全球气候变暖是一种自然现象，并非人为所致。相关研究结果已于 2017 年 8 月 5 日在 GeoResJ 杂志网站在线发表 —— John Abbota , Jennifer Marohasy. The application of machine learning for evaluating anthropogenic versus natural climate change , GeoResJ , 2017 , 14, 36-46 . DOI: 10.1016/j.grj.2017.08.001 . Credit: CC0 Public Domain 詹妮弗 ·马罗哈西在她自己 博客 上对于他们的研究工作进行了简要介绍，而且 提供了一个 附加 解释。同时 , 布莱巴特 （ Breitbart ） 新闻网站 对于 詹妮弗 ·马罗哈西等人的研究结果也有介绍和报道 。 这种与当前绝大多数人已经形成的共识截然相反的观点，一经发表就招来一石激起千层浪的轰动效应。 世界各地 的 大多数科学家 对于 正在发生的全球变暖 现象 已达成共识 , 气候变暖 正在发生 是 因为人类已经 向 大气中 排放了 太多的 CO 2 所致 。 但詹妮弗 ·马罗哈西 和约翰 ·阿博特 声称这一共识是建立在一个错误基础 之上的 , 这是 近一个世纪前 对其作出的决定 , 当 时所做的 工作 就 是为了了解 CO 2 的吸热潜力。他们进一步 提出， 从那时起全球 性的 应用 这些 原则 ， 一直开展如此之小的研究 工作 , 尽管如此，但是它 不可能证明 CO 2 有能力 对 世界温度 造成影响 。出于这个原因 , 他们开始收集之前的研究数据 。 这些数据 提供了一种 了解过去 2000 年温度变化的迹象 , 如树木的年轮（ tree rings ）、 珊瑚核心 （ coral cores ） 等 。 他们 将这些 数据输入 到由 约翰 ·阿博特一直 在过去 多年用于 澳大利亚降雨模式预测 的 神经网络 。 此 网络通过观察模式和学习 既定情况即 这种情况 就是 在过去 2000 年 间的 全球气温 模式 , 然后提供预测。 研究人员报告 , 计算机预测气温上升 与他们 根据实际 测量结果是 大致相同的 。 实际测量是 没有添加 CO 2 , 这 表明 CO 2 并非 是 导致气候变暖 原因。他们还指出 , 曾经有一段时间被称为中世纪温暖期 （ Medieval Warm Period ） , 是 大约 从 986 年到 1234 年 , 当 时的 气温大致 与 于今天的 气温 相当。 因此，澳大利亚的 两位研究人员认为 , 已经有 证据表明 , 地球会 一直变暖到某一程度， 无论人类 在 100 年之间是向大气中排放 还是不排放 CO 2 ，都不会影响其自然变化。 詹妮弗 ·马罗哈西 和约翰 ·阿博特还 指出 , 他们的研究结果也显示 ,1980 年之后全球气温平均 处于 下降 趋势 , 这与 其他主流科学家指出 缓慢下降不谋而合。之前对此无法进行 完全解释 ， 现在就不难理解了 。他们建议我们现在经历的气候变暖主要是自然发生的 , 气候变化 可能会像过去一样 而降温的 。 更多信息请注意浏览原文或者相关报道 ； Human-caused warming likely led to recent streak of record-breaking temperatures: study Research pair suggest global warming almost completely natural Delingpole: Global Warming Is Almost Entirely Natural, Study Confirms Abstract Time-series profiles derived from temperature proxies such as tree rings can provide information about past climate. Signal analysis was undertaken of six such datasets, and the resulting component sine waves used as input to an artificial neural network (ANN) , a form of machine learning. By optimizing spectral features of the component sine waves, such as periodicity, amplitude and phase, the original temperature profiles were approximately simulated for the late Holocene period to 1830 CE. The ANN models were then used to generate projections of temperatures through the 20th century. The largest deviation between the ANN projections and measured temperatures for six geographically distinct regions was approximately 0.2 °C, and from this an Equilibrium Climate Sensitivity (ECS) of approximately 0.6 °C was estimated. This is considerably less than estimates from the General Circulation Models (GCMs) used by the Intergovernmental Panel on Climate Change (IPCC), and similar to estimates from spectroscopic methods.
标签: 人工神经网络（ANN）
