利用单一的和集合的方法预告区域预报技巧

本文利用平均海平面气压的模式预报误差(MFE)的3个预告因子研究了预告澳大利亚有限区域模式36小时预报技巧的可能。两个预告因子使用单一预报:其中1个以对于初始分析和预报的MFE的统计回归为基础;另1个因子利用了预报的持续性程度。第3个因子应用了与其它NWP中心的预报集合偏差。根据5个月的逐日36小时预报,发现了上述预告因子与MFE的相关系数分别是0.58、0.18和0.40。用最佳线性方法把上述3个因子组合后与MFE的相关系数增加到0.71。用两个月的独立资料集进一步对组合因子进行试验,得出的相关系数是0.67。因此,把这种方法应用于独立的和非独立的资料中,可以解释MFE方差的近50％。这证明了这种方法对于在总体上鉴别模式预报好坏有业务应用价值。澳大利亚东南部的实例研究,进一步证明了这些预告因子在整个预报区域中可以相当好地鉴别预报技巧。     

因子的可预报性和预报模型适用性研究初探

本文从因子场与预报量场之间的整体相关性着手，通过典型相关分析来提取因子信息，用求得的典型变量作为新预报因子，经试用表明，新因子的可预报性比原因子有明显提高。 在预报模型的选择上，本文提出了依据预报模型对历史样本实际预测精度的优劣来衡量预报模型的预测能力，从而选用对历史样本预测精度较高的预报模型作未来预报。     

因子选择与点聚图

因子的选择一种预报方法,其使用效果的好坏和所选的因子关系是很密切的。所以我们在选因子时,一定要选择那些和预报对象关系密切的气象要素。这样才能较好地反映出它们之间的内在联系和变化规律。预报效果才能理想。那么怎样选择因子呢?1、记好天气笔记,从反复运用中选取因子。我们要进行预报和科研,首先要有大量的材料。这些材料的来源一是他人积累     

福建前汛期区域暴雨客观预报模型研究

利用滑动分区切比雪夫展开方法,求取高度场特征分布的展开系数及其时间变量,通过相关分析,从中提取物理意义明确和相关性好的预报因子集和消空因子集,再通过预报因子的多形态组合分析,提炼出物理图像清晰的福建省前汛期区域暴雨预报模型。研究结果表明:以高度场的滑动分区切比雪夫展开系数做为研制前汛期的区域性暴雨预报模型的信息源是合理且可行的。切比雪夫正交多项式能够对要素场的内在特征信息进行定量化提取,生成彼此相互独立的场量因子;滑动分区展开技术可对场信息做极限化的开发,产生多种尺度的特征信息,从而获得对预报对象成因更完备的认识。     

关于数理统计预报中的独立性问题

多元相关预报往往要求各预报因子之间相互独立,预报因子同预报量之间相关性要好,这就是说,独立性的概念在统计预报中占有相当重要的地位。 然而,目前所看到的一些气象统计预报工作,对独立性这一概念阐述不够明确;对相互独立和不相关有些混淆;对于用相关系数r判断独立性的局限性及改进办法,都讨论得很少。本文仅就这几个问题加以讨论,希望能对数理统计预报的理论基础及实际应用,都有所俾益。     

客观预报方程中因子的选取及应用效果分析

利用因子选取及方程建立人机交互平台,建立了云南省125个气象站的降水、温度客观要素预报方程.对比试验表明,绝大多数组合因子都优于单因子,组合因子预报方程的质量普遍比单因子预报方程好.预报检验结果显示,干季的降水预报尚未达到可用程度,雨季小雨及中雨、大雨的预报有一定业务指导意义,对于反映中小尺度系统的暴雨天气预报效果较差,在因子的选择上还需要做大量细致的工作.温度预报具有一定的参考价值,但还有待进一步改进.     

因子的可预报性研究初探

本文从对历史样本的实际预测效果探讨了因子的可预报性,并从因子场与预报量场之间的整体相关性着手,通过典型相关分析来提取因子信息,用求得的典型变量作为新的预报因子。经试用表明:新因子的可预报性比原因子有明显加强。     

一种自动挑选不规则形状格点组合因子的方法

一、引言众所周知,改进统计预报方法关键的一环是提高预报因子的质量。因此,如何选择好的预报因子是预报人员十分关心的问题。对于在格点要素场内挑选因子,大多采用多点(滑动)平均有规律扫描组合,或用事先设计的某些固定模式组合因子,从中选择相关好的;有的根据格点相关系数分布,直接取相关较高的若干点组合后得到。这些做法能够得到一些意     

长春机场冬季低能见度成因分析及预报

本文从长春机场冬季低能见度的成因分析出发。选择4个组合因子,制作了判别函数,用独立资料检验预报机场能见度的综合识别率达90％。     

EOF和CCA方法在台风路径预报试验中的比较

利用气候持续性因子，并分别考虑了５００ｈＰａ高度场的ＥＯＦ因子和ＣＣＡ因子，分别建立了基于ＥＯＦ因子和基于ＣＣＡ因子的南海台风２４－１２０小时路径预报模式。经过非独立样本和独立样本的预报检验，比较。将两种方法运用于５００ｈＰａ高度场的分析表明，ＣＣＡ方法得出的典型变量权重系数分布虽不能象ＥＯＦ方法的特征向量一样表示出明显的而且平滑的空间场形式，但ＣＣＡ方法浓缩了更多的与台风路径整体相关性最好的原变     

最优化方法在天气预报中的应用

本文根据最优化方法原理,提出了选择非线性最优预报因子和建立非线性预报方程的办法。试验表明:用此方法选出来的非线性预报因子和建立的方程比线性的好。最后还指出了此方法可推广到预报量离散的情况,建立非线性的判别方程,同时可用于长、中、短期天气预报。     

浅谈天气预报因子的选择

在统计预报工作中,常常发现有一些预报因子和预报量之间的统计相关较好,历史拟合率也较高,但预报却往往失败。也有时发现,某个或某几个预报因子,这几年好用,过几年就不好用了,往往很不稳定。分析其原因可能有二:第一,只凭统计相关找因子,虽然也经过显著性检验,但毕竟是统计规律,即使信度达到0.05时,尚有0.05的发生错误的可能性。另外,有时两系列完全风马牛不相及的数字,在一个较短的时段内也可能表现出相关性很好。由于我们寻找因子的办法大都是“正负号普查”的方法,是和历史     

温度自动预报系统——英国气象局数值天气预报模式输出统计的应用

1.引言 MOS(模式输出统计)方法,是用来预报那些数值天气预报(NWP)模式不直接表示的气象变量,它的基础是建立固定等压面分散网格点上高度、温度、湿度和风等直接表示变量的数值预报值和地面温度、云高云量及能见度等观测值之间的关系。通常使用多变量线性回归模型来确定这种关系。 PP(完全预报)方法,是建立观测得到的大气变量和感兴趣的“天气”特征之间的关系,在预报时使用数值预报代替观测变量作为预报因子。美国研究组进行了大量的MOS方面的工作,将这一技术方法应用于预报很多天气变量,取得不同程度的成功。其中所设计的地面温度自动预报业务系统,在很大程度上推动了本文所描述的试验。     

亚洲夏季风系统成员与西太平洋副高的相关特征分析

利用500hPa月平均高度距平场派生出涡度变化、经向风切变、纬向风切变等变量场。从1958～2001年6月500hPa月平均高度距平场及其派生变量场中选取预报因子,并将各个场中的因子分别作EOF分解,得到浓缩了初选因子变量大部分信息的综合预报因子,用以建立同月的广西月降水量的BP神经网络预报模型。进而利用2002～2005年月动力延伸集合预报产品及其派生变量,对广西6月降水量作BP神经网络降尺度释用预报。作为对比试验,以相同的预报量,从1957～2000年5～12月及1958～2001年1～4月500hPa月平均高度距平场中选取预报因子,并作相同处理,建立前期综合因子的广西6月降水量BP神经网络预报模型。独立样本试验结果表明,利用同期综合因子建立的BP神经网络降尺度预报模型的拟合精度优于利用前期综合因子建立的预报模型,但预报效果依赖于月动力延伸集合预报产品。     

县级农业气象产量预报方法探讨

一、问题的提出 农业气象产量预报的关键问题是挑选与产量有良好相关性的气象因子,但有时我们并不能如意地挑选到足够的预报因子建立预报方程,常常不得不降低要求,以求更多的因子被选入,因而所建立的预报模型精度较差,特别是年景预报,由于预报时效长,这方面的矛盾更为突出。本文在如何拓宽预报因子的来源及提高预报精度这两个问题上进行了探索,并取得了较好的结果。     

山东省气象台MOS预报方法技术总结

一、引言 统计预报模式的优劣,一方面取决于预报因子的质量,另一方面还要求有合理的数学模型,使其既能充分提取各因子的预报信息,又能实现因子的最佳组合。我们在85年夏季降水量级预报(20时～20时)MOS方法试验中,注意到这两个方面的作用,在工作中取得了较好的效果。     

统计学长期天气预报方法的若干研究(一) 逐步回归技术的应用

本文采用了逐步迴归技术,可以在一大堆预报因子中选择出迴归方程中的主要变量,组成一个最后的迴归方程——预报方程。 为了具体说明逐步迴归方法应用于长期预报的计算情况,将1932—1962年华北五站(北京、天津、保定、石家庄、营口)7,8月份平均降水总量的资料作为因变量y,以表征太阳辐射影响的因子、前期环流影响的因子和其它若干气象要素等作为自变量进行分析研究。 对我国若干重点地区的月、季降水的迴归分析指出,各地区与降水有关的预报因子是不完全相同的。就1963年夏季和6—10月份月的降水长期预报进行检查。各重点地区42次预报的结果说明,用这个方法所作的降水趋势预报尚好,比偶然性预报约高10％。 最后,作者就迴归分析的改进作了简略的讨论,并提出今后除了用于长期预报的研究和业务工作外,对中、短期和专业天气预报以及气候学方面等的研究工作也将会是一个有用工具。     

逻辑组合因子的格筛选法

在一般的事件概率回归估计予报方法中,所有可能预报因子都是线性的。可是,实际经验表明,仅仅考虑预报量与预报因子之间的线性关系往往还不能确切反映客观规律。因此,寻求非线性因子对于提高预报效果是有意义的。利用布尔结构可以给出对非线性的逻辑代数组合因子进行筛选的方法,我们称为逻辑组合因子的格筛选法。受这一思路启发,我们开展了非线性事件概率回归估计的试验,效果比通常的事件概率回归好。     

预报因子的选择及其隶属函数的确定——模糊数学在预报上的应用

近几年来,随着模糊数学的发展,逐步引进到气象、农业气象预报中,并开始形成一种称之为模糊数学的预报方法。由于方法的新颖、灵活,在某些场合又比其他方法具有更好的效果,很是引人注目。本文着重介绍,依据模糊数学的特点如何选择预报因子、如何确定预报因子的隶属函数。     

混沌系统单变量可预报性研究

对于n维的混沌系统, 不同变量的可预报性是不同的。为了研究混沌系统中单个变量的可预报性, 本文在以前提出的混沌系统整体的非线性局部Lyapunov指数基础上(李建平等, 2006), 引入了单变量的非线性局部Lyapunov指数及其相关统计量, 进一步完善了非线性误差增长理论。通过应用到几个混沌个例, 结果表明单变量的非线性局部Lyapunov指数及其相关统计量可以用来定量地研究多维混沌系统中不同变量的可预报性, 系统不同变量的可预报性之间不是相互独立的, 而是单个变量的可预报期限与系统整体的可预报期限之比都近似保持一个常数, 但各个变量的常数值有所不同。