大家好呀，从昨天我发完初步的思路到现在，我肝到就睡了一个小时，手都快抽筋了，但总算完成了完整论文，结果一看各大平台又是各种血雨腥风各种东西满天飘，什么完整代码论文思路竟然有的昨天就完成了，我想说，我不相信有任何人能在短短几小时完成这道题目的完整解答，所谓的这种完整解答不过是随便搜点模型介绍、代码和数据糊弄小白罢了，要这么写我一两个小时就能完成，这还不简单吗？某文库直接搜时间序列：
然后某sdn直接搜代码：
然后连带着题目给的数据全给你复制粘贴进去。
具体怎么应用的？不知道，题目在问什么？不知道，数据符不符合题目要求？不知道
一问三不知，糊弄小白就完事了。
好了，废话不多说了，也不是说一棒子打死市面上全是垃圾，只是希望大家明鉴别被骗。
我开始我的分析吧，注意，由于分析过程复杂，所以本文很长，请大家耐心看完，如果有帮助，别忘了点赞关注收藏，后续还会更新讲解视频。
总体而言，这次题目难度较大，重点在于数据搜集和处理，在处理方面，非常复杂，稍后我会录制b站讲解视频，你们看完就懂了，会在这个文章更新，大家点赞关注收藏追更，及时看我更新，另外，本题小问极多，导致我通宵到现在才肝完。
我的完整原创论文（需要的看本文最下方我的个人卡片）：
共66页，修改及方便大家理解的单独说明页面7页，正文57页，附录2页。
之所以篇幅这么长，是因为
1.我论文很多的篇幅需要用来解释我为什么要这么做，基本就是手把手教你怎么做，并且我还要照顾每个人的水平，所有会有些地方需要写得很繁琐，一些中间过程展现得事无巨细，你们自己删减，另外，这次我新增了操作说明等界面帮助你们理解。
2.本题模型没有那么难，但是搜集到有用的数据，然后把它变成我可以用来计算的格式，然后处理是非常非常复杂的过程，绝不是一两句话可以说清楚的，稍后大家看我讲解视频吧。
我自己用到的数据：
我的：
摘要：
目录：
从目录就能看出来，这道题需要解决的小问很多。
OK，现在大家跟着我的脚步，一步一步来分析这道题目：
最开始，我们只获得了一篇问题和一个附件数据。
第一问（a）：
我们有什么数据？
数据多达23万多条，囊括各个地区的，但根本没有近十年的数据。也根本没有2022.3之后的数据，那怎么分析？
第一步自然是搜集数据了，题目给了他们的数据来源，点进去看一下：
这里不就有平均气温吗？甚至还有年度汇总。直接点进去
是一个txt文件，里面也有详细的对于数据的说明，对于数据的说明，我大概翻译如下：
该文件包含地表平均值的详细汇总Berkeley Average方法产生的结果。温度为以摄氏度为单位，并报告为相对于1951年1月至1980年12月平均值的异常。不确定性代表统计和空间欠采样效应的95置信区间。此处显示的当前数据集描述如下：基于完整Berkeley数据集的估计全球陆地表面TAVG该分析于2022年11月3日08:13:55进行结果基于50498个时间序列和21051207个数据点估计1951年1月至1980年12月绝对温度（C）：8.60+/-0.05由于地球的陆地并非围绕赤道对称分布全球土地平均值存在平均季节性。估计1951年1月至1980年12月月绝对温度：一月二月三月四月五月六月七月八月九月十月十一月十二月2.593.205.298.29 11.28 13.43 14.31 13.84 12.049.206.073.63+/-0.120.080.060.070.070.080.090.080.060.070.070.10对于每个月，我们报告该月的估计陆地表面平均值及其不确定性。我们还报告了年、五年、十年和二十年的移动平均值在该月左右居中（如果中心在两个月之间，则向下舍入）。例如，1950年1月至12月的年平均值报告于1950年6月。什么意思呢，方便大家理解我简单点说，这里给的每月温度，只是一个温度表征量，是相对的，不是其具体的绝对温度。
但这并不影响我们直接使用这个数据，因为人家官网自己研究气温的报告也都是直接使用这个表征量的。
那就没事了，我直接把txt文件导入excel中，把用不到的那些列删除，当然了，具体导入过程中会有很多琐碎问题，我就不多赘述了：
得到了上面这个表格，这下我们终于有题目要的数据了：
紧接着，判断2022年3月全球气温的上升是否导致了比过去10年期间更大的上升。
先做个可视化图片整体把握一下吧：
初步判断完趋势有了一个整体把握之后，再做一个差异性分析，什么意思？其实就是分成两组数据，看看两组数据存不存在显著的差异罢了：
要是存在，那就说明导致了更大的提升呗。
这里直接用差异性分析自动求解器就行，最后弄出来最适合的是独立样本t检验，建议结果放出来就完事了：
最后算出来跟我看趋势图的直观感受一致。
OK第一问结束，开始第二问：
第一问（b）：
描述过去有什么好说的，直接趋势图完事：
预测未来，这里我用两种模型：
第一个时间序列，第二个季节性时间序列：
为什么这么做？因为对于气温这个显然呈现季节性变动的东西，当然季节性时间序列非常合适，时间序列本质上就是个对照组。
分别绘制预测图就完事了，效果拟合程度很好：
这里有一个问题，看看我们预测用的表格：
年和月份是分开的两列，如果你按照月份作为横坐标，时间序列预测得到结果横坐标是没问题的，但是，如果你做季节性时间序列预测，很可能出现这样的情况：
月份全跑到一边去了。
所以年份和月份还要汇总到一起，做成日期。。。。这里我直接用excel功能做了，有丢丢麻烦，但我不多赘述了。
汇总到一起，用这个日期作为时序变量就行了。
第二问完事。第三问：
第一问（c）：
上一问都选好模型了，这一问无脑预测就完事了，只是需要注意，由于时间序列预测不了很多，这里肯定要用年度数据。。。
所以从官网下载那个年度数据：
又是个txt文件，又要导入，跟前面一样的步骤。。
得到最终表格：
无脑预测。。。
但是离谱的是，预测单位要达到20℃需要非常非常多年。
对了，这里提一嘴，我前面说过了，我们用的数据全都是相对温度，最后得到20℃是需要加上人家的绝对值的。
说实话刚开始得到这个结果我还以为我模型选错了还是算错了。
但是又仔细一看，不对啊，你过往150年不也就提升了一两度？
所以个人感觉这道题目是出题有问题，应该设置成10℃才合理，但是无所谓，人家怎么出咱们怎么做，我模型又没错，预测是多少年就是多少年吧，无所谓。
这一问结束，继续：
第一问（d）：
没什么好说的，前面分析的时候我就说过了，气温肯定是季节性变化，那么无论是从内部机理角度还是最终实际预测图，肯定季节性时间序列更好。
第二问（a）：
温度和时间的关系前面都已经有了。。。重点自然是温度和位置
有人说直接用题目给的数据呗？
我不建议这样，因为，题目给出的数据中，国家实在太多了，如果按照这个位置去分析，那么相关性表格将会非常大，同时，其参考价值也会降低，而且计算过程也会非常复杂，因此，我在这里考虑采用南北半球进行对比。
为什么是南北半球？
因为人家数据官网给了这俩地方数据了：
而且南北半球对比岂不是很有代表性？当然了，你们也可以挑几个代表国家，我只是给出我自己的做法。
接着又是txt文件导入excel，然后划分，，，汇总。。。。
这些步骤是真的有点恶心，但是没办法必须要做，我最终的数据表格：
然后看一下温度和位置相关不相关吧，有的人说直接做相关性分析呗？我不建议，因为你得到的热力图解释不了什么东西，这个从内部机理而言，是没有道理的，南半球和北半球温度有多少相关性有什么意义？
做个差异性分析就行了，如果南北半球差异大，那就说明温度跟地理位置相关性强啊？是这个道理吧？
ok直接做了：
第二问（b）：
这一问还行吧，最开始我路走骗了，一直在找covid相关的变化，但一直没找到，后来看了个报道：
人家的结论是：
数据不够多，分析不了。
额那就再找文献吧，后来找到了一些高度相关的文章和数据
踏破铁鞋无觅处，得来全不费工夫啊，结束。
第二问（c）：
人家题目不都有提示吗：
把里面二氧化碳数据下载一下，然后他的趋势图也搞出来就完事了，温室气体当然是主要原因：
结束结束
第二问（d）：
措施就不用多说了吧？题目我都懒得截了，这个一搜一大堆，自己复制粘贴降重吧。
第三问：
非技术报告，意思就是把我的摘要里面的跟数学模型相关的东西全删掉，做成让一个完全不懂数模的人也能看懂的一点文章，也就是说基本只用展示结论，最后加上措施就行。
OK，彻底结束，完整成品看下方我的个人卡片：