带周期分析因素的逐步回归方法在寒露风天气预报中的应用

提出以方差分析周期因素嵌入逐步回归建立灾害天气长期预报模型方法，应用结果表明：模型预报精度及稳定性均比单纯的周期分析或利用前期气象因子建立回归模型有明显改善。     

影响海南岛热带气旋的多层递阶周期分析长期预报模型

使用历年影响海南岛的热带气旋个数作资料样本,在经典多层递阶预报模型的基础上引进多层递阶周期分析,在时间序列自身周期显著的情况下,使用时间序列的显著周期分量取代经典模型中的自回归部份,建立影响海南岛热带气旋的多层递阶周期分析长期预报模型,合理地反映热带气旋影响海南岛的变化规律,提高预报的准确率。     

PRESS周期分析及其在粮食产量预报中的应用

作物产量预报常用的统计模型为:Y=Y_t+Y_w+Y_ε。影响作物产量的气象因子的年际间变化存在一定的周期性,因此可采用周期分析法拟合气象产量。所建立的模型具有预报时效长的优点。样本多、周期明显的产量序列其效果更好。本文提出一种用 PRESS 准则提取周期的方法,取名为“PRESS 周期分析”。经使用并与常用的方差周期分析方法进行比较,结果表明,用 PRESS 周期分析建立的预报模型,其历史拟合和试报效果均优于方差周期分     

逐步回归双重分析在长期预报中的应用

前言逐步回归双重分析方法运用了逐步回归方法,同时进行因子的筛选和周期分析,在制作预报时,既考虑了前期因子对预报对象的支配作用,又兼顾了预报对象本身周期变化的影响。解决了多元回归和周期分析两种统计方法的不足之处,预报效果较为稳定,预报精度明显提高。一、统计模型的建立气象要素的变化不仅受到前期因子的支配,同时要素本身也有其演变规律,只是在不同的情况、不同的条件下起的作用不同而已。本方法的统计模型为     

河南省6～8月天气周期划分及应用

利用1991～1995年6～8月500hPa高度场资料,根据河南省6～8份天气特点和影响河南省天气的主要天气系统,划分天气周期,建立天气周期模型.用欧洲中心500hPa高度24、48、72 h预报场,计算出未来3天的平均预报场.把平均预报场与天气周期模型作相似检验,做出未来5天的天气预报.     

逐步回归双重分析

本文运用逐步回归方法同时进行因子筛选和周期分析,建立预报方程。既考虑了前期因子的支配作用,又兼顾了预报对象本身的周期变化的影响。其效果明显优于周期分析和多元回归分析,预报效果较为稳定。     

河南省6—8月天气周期划分及应用

利用1991－1995年6－8月500hPa高度场资料，根据河南省6－8月份天气特点和影响河南省天气的主要天气系统，划分天气周期，建立天气周期模型。用欧洲中心500hPa高度24、48、72h预报场，计算出未来3天的平均预报场。把平均预报场与天气周期模型作相似检验，做出未来5天的天气预报。     

运城市终霜冻预报方法

对运城市终霜冻资料时间序列进行了周期分析，再利用基于预测误差平方和(PRESS)准则的逐步回归周期分析方法建立运城市终霜冻预报模型，预测终霜冻出现的日期，经检验和试报表明，该模型预测效果较好，具有实用价值。     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。     

逐步回归自相关分析

作者从时间序列的自相关分析出发，提出了一种适于回归统计分析的生成预报因子的简单方法，建立起自相关预报模型。实例计算表明，此方法不仅预报精度较高，而且在对周期性相关因子的选择上具有等同的统计、检验前提，避免了一般方法因周期长度不同而带来统计，检验差异的影响。因而得到的回归因子较客观，真实。另外，还具有一定的分析时间序列隐含周期的能力。     

多层递阶周期分析

针对经典多层递阶预报方法的某些不足,提出了一种改进的多层递阶预报模型——多层递阶周期分析。它使用时间序列的显著周期分量取代原模型中的自回归部分,使其更合理地反映气象要素自身的演变规律,有效地提高了预报精度。     

逐步回归周期分析与多层递阶方法相结合的时间序列分析预报模型

逐步回归周期分析是针对方差分析的不足而提出的一种时间序列分析方法,作者将其应用于长期预报,取得了一定的效果,但也存在着某些缺陷,其主要表现在实际应用时,随着预报时效的增长,预报效果明显趋于不稳定。这里主要有两个方面的原因:一是某些时间序列本身的周期性不强,所选的周期显著性水平低,此时则不宜单纯用周期分析外推做长期预报,对此,作者已在另文中作过研究。二是在逐步回归周期分析预报模型中,回归系数取为固定的参数,而天气系统则是时变系统。这样,若用固定参数预报模型来描述一个时变参数系统的状态,其拟合率虽然可以很高,但随着预报时效的增     

均值生成函数的周期性延拓在回归分析中存在的问题及其改进方案

针对均值生成函数的周期性延拓在回归分析中存在的回归前提不同,预报因子是预报量的非独立表现等缺点,给出了改进方案。实例分析计算表明：新方案可以有效地消除原方案中存在的非独立虚假相关现象,从而使得筛选出周期性预报因子更加客观。基于本方案所建立的数学预报模型,具有历史拟合率与多步长预报精度基本一致的特点,是一种具有使用价值的长期预报手段,也有一定的隐含周期分辨能力。     

年际变量自相关法在塔城市春季降水预报中的应用

本文通过年际变量自相关法在塔城春季降水预报中的实际应用,并与周期分析和自回归模型进行的对比分析,表明年际变量自相关法的预报效果明显地优于周期分析和自回归.其趋势预报准确率达81%,分级预报得分为78.8分.特别是对于非正常年份具有较好的预报能力.本文最后附有年际变量自相关法的BA-SIC语言的源程序.     

带有周期分量的多元逐步回归在橡胶寒害趋势分析中的应用

本文采用带有周期分量的多元逐步回归方法建立了海口、白沙等五个站的极端最低气温预报模式,用其来分析橡胶寒害趋势。此方法既考虑了预报因子对预报量的影响,又考虑了预报量本身的周期变化及预报因子的相关阶段性。模式的拟合及预报效果都比较好。      

华南前汛期降水预测模型及其预测试验

将中国华南区域分为东、西2个区,对每个区(8个站)的前汛期(4—6月)平均降水量作自然正交展开(EOF),选取各区累积方差贡献超过75%的前4个主分量作为预报分量。再利用偏最小二乘回归方法结合均生函数方法,提出一种同时考虑预报量自身显著变化周期和前期物理量因子对预报量未来变化影响的预报模型,分别建立东、西区前汛期平均降水量的偏最小二乘回归预报方程。试验结果表明,新的预报模型的预报效果比单纯采用前期物理量因子的逐步回归模型更好,并且其预报能力的提高具有合理的分析依据。      

BP神经网络和支持向量机在紫外线预报中的应用

为了提高紫外线预报准确率,应用BP(Back Propagation Learning Algorithm)神经网络模型和支持向量机(Support Vector Machines,简称SVM)回归方法建立重庆市主城区紫外线辐射强度客观预报模型。统计相关分析结果显示,不同季节影响紫外线辐射强度的主要因素并不相同。对所有相关分析因子用逐步回归方法,按方差贡献大小筛选出预报因子,以每日紫外线平均辐射量为预报对象,分季节建立预报模型。比较用不同方法建立的预报模型发现,两种非线性模型(BP模型和SVM模型)的拟合能力优于线性逐步回归模型,但独立样本检验结果表明,3种模型的预报准确率基本相当。将3种方法所建预报模型应用T213数值预报资料进行业务试报,得到较好预报效果。     

多层递阶预报模型的一种改进方案

本文针对气象要素与其过去的数据自相关程度一般都较差,而与其自身的显著周期分量却存在较高的线性相关关系的特点,提出了一种改进的多层递阶预报模型。它将多层递阶方法与逐步回归双重分析相结合,用显著周期分量取代经典多层递阶预报模型中的自回归部分,使之能更好地反映气象要素自身的历史演变规律,从而稳定其预报效果。     

安徽省伏旱特征及预报研究

利用安徽省35个代表站1961—2003年6~8月逐日降水量资料及1961—2002年逐月北半球100 hPa和500 hPa高度场、地面气压场及热带太平洋海温场资料,采用EOF和最大熵谱,分析了安徽省伏旱的时空分布特征。结果表明,安徽伏旱有全省型、北部型、南部型及中部型等几种主要空间类型,全省型伏旱发生的主周期为6~8年,次周期为2~3年。将EOF的前三个时间系数作为预报对象,利用相关普查筛选出通过显著性水平检验的前期环流、海温等物理因子,建立预报方程,然后将预报出的时间系数再恢复成降水场,由此建立一套适用于区域干旱的场预报模型。对2001—2003年的预报结果表明,该模型对安徽大部分地区的旱涝趋势有较好的预报能力,但在强度方面还有一定差距。     

偏最小二乘回归模型在辽宁汛期降水预测中的应用

利用1951~2011年中国160个气象站逐月降水、温度、74项环流指数和NCEP再分析海表温度资料,采用偏最小二乘回归(PLSR)方法,结合均生函数构造预报量周期性因子,建立辽宁省汛期平均降水量及其5站(沈阳、朝阳、营口、丹东和大连)汛期降水量预测模型,并进行预测效果检验分析。结果表明:采用均生函数构造预报量周期性因子,在一定程度上弥补了气候预测统计模型高相关性因子的不足,从而使辽宁汛期平均降水量PLSR模型的试报均方根误差降低约10 mm。PLSR模型由于较好地解决了预报因子之间的多重相关性问题,其预测效果较逐步回归模型有明显提高,对2002~2011年辽宁5站汛期降水量试报的Ps评分平均值为72.6%,比逐步回归模型提高了10.3%。