11.2 Weakness
•In this paper,only the historical time series of ozone content were analyzed,and some characteristics were obtained and forecasted,without considering the possible future policy changes.
References
[1]Kai Xu Bai.Investigations of the Long-term Variability of Global Total Column Ozone and its Impacts on Regional Climate Change[D].Shanghai：East China Normal University Department of Geography School of Geographic Sciences,2015：83-113.
[2]Jia Zhu.Combination of Wavelet Decomposition and Least Square Support Vector Machine to Forecast Atmospheric Ozone Content Time Series[D].Nanjing：School of Atmospheric Physics,Nanjing University of Information Science and Technology,2010：15-28.
[3]Austin J,Tourpali K,Rozanov E,et al.Coupled chemistry climate model simulations of the solar cycle in ozone and temperature[J].Journal of Geophysical Research,2008,113(D11)：D11306.
[4]Eyring V,Waugh D W,Bodeker G E,et al.Multi-model projections of stratospheric ozone in the 21st century[J].Journal of Geophysical Research,2007,112(D16)：D16303.
[5]Frith S M.Recent changes in total column ozone based on the SBUV Version 8.6 Merged Ozone Data Set[J].Journal of Geophysical Research,2014,119(16)：9735-9751.
[6]Hassani H.Singular Spectrum Analysis：Methodology and Comparison[J].Journal of Data Science,2007(5)：239-257.
论文评析
周华任
本文评选官方给的评语是：本文立意新颖,但缺少必要的证明过程。
本论文是2016年“认证杯”数学建模竞赛的A题,其背景是大气中的臭氧含量深刻影响着气候变化和人类的生存与发展,预测未来臭氧含量问题的研究有重大意义。在本文中,建立了基于动态谐波回归(DHR)的动态时间序列分析模型,立意新颖,预测了未来50年后大气中臭氧总量。
首先,收集和处理了自1979年以来在世界臭氧和紫外线辐射数据中心各个地点监测的臭氧数据,以获得过去几十年来全球臭氧数据的时间序列。随后分析近年来的臭氧数据,对变化的数量和特征进行了分析,得到两个结论：(1)人为活动对臭氧总体趋势有重要影响;(2)太阳的周期活动使臭氧总量的变化有一定的周期性。
然后,根据上述全球臭氧时间序列特征,建立了动态谐波回归(DHR)时间序列分析模型。本文首先将原始时间序列数据分解为趋势、周期和误差三个部分;然后预测主要组成部分：趋势和周期;最后重建从预测中获得的三个要素,得到新的时间序列,以此预测未来50年大气中臭氧总量的变化。
此外,本文认为,全球大气臭氧的分布具有复杂的时空特征。本文在分析了臭氧总量变化的区域特征的基础之上,创新性地又分析了模型测试时纬度带的划分,结果表明该模型的稳定性较好。最后又分析了大气臭氧分布的季节特征,为进一步准确预测提供参考。
本论文行文流畅,格式规范。
缺陷：本文仅分析了臭氧含量的历史时间序列,并只对其中一些主要特征进行了预测,其特征之间的相关性未加考虑;本文并未对未来的环境政策变化进行考虑。