用因子搭配法作寒露风长期预报

本文扼要介绍如何用因子最佳搭配法建立预报方程;并选用4个气象因子,用因子最佳搭配法作寒露风长期趋势预报,效果较好。     

南京,上海地区对流及降水甚短期预报的统计方法研究

本文以我国国家气象局发布的B模式数值预报输出,上海气象局计算的物理量及南京单站气象观测资料作为基本的初选因子,用逐步判别法对5月至入梅前南京和上海的对流天气和降水预报建立了不同的预报方程,探讨了预报因子的不同组合,非线性因子的引入以及不同的判别方案对预报准确率的影响,并进行了业务预报试验。结果表明,考虑非线性因子影响并采用“两段筛选”的判别方法获得的预报方程其预报效果最佳。     

用一次最佳子集回归作晴雨预报

为了充分利用特定样本各因子分布的特殊信息，降低一次预报的平方误差期望值，本文选用一次预报最佳子集回归法作晴雨预报[1]。该方法与普通回归法的不同在于：对于一次特定的预报，回归方程的因子数并不确定，要通过筛选因子及加权来尽量降低预报平方误差期望值。     

短期MOS预报业务模式的优化方案

在初步实现了短期MOS预报业务化后,完善、优化预报模式很快就成为研究的重要课题。如何保证模式的稳定性,如何进行因子最佳搭配,如何检测模式的隐性误差等成了进一步提高业务化水平的关键问题。我们对因子作了稳定性筛选,对逐步回归方法提出了改进,采取容许值截断因子、记忆检验及子集筛选等技术方法,现就我们的探索概述如下。     

西北太平洋海温变化对贵州夏季降水的影响

利用1952-2001年贵州15个测站夏季降水和前期太平洋海温场资料,及3因子最佳子集回归求最大复相关系数的方法,把前期不同时间步长、不同时段的海温场作为预报因子与夏季降水求相关。结果发现：用前期海温场作为预报因子对贵州夏季降水进行预报,其预报因子的最佳时间尺度为单月滑动,并且存在着较好的“隔多季度相关”现象。预报因子具有实际预报意义的最佳时段为上1年的8～11月。影响贵州夏季降水的最佳预报因子主要集中分布在海温场具有重要天气气候意义的关键区域。2002、2003、2004年的回报试验结果与实况进行对比分析发现,根据上述理论和预报思路得到的预测试验,具有一定效果,并且对指导贵州夏季降水预测具有一定的参考价值。     

前期高度场和海温场变化对贵州冬季冻雨的影响

基于1962~2008年贵州84站冬季冻雨日数、前期北半球500h Pa高度场和西北太平洋海温场资料,利用秩序量三因子最佳子集回归法,开展前期高度场和海温场变化对贵州冬季冻雨的影响分析。结果发现:前期两个场共同作为预报因子比把其中某场单独作为预报因子的相关要好,预报因子最佳时段为同年的4~7月,并存在着较好的"跨季度相关"现象。影响贵州冬季冻雨的最佳预报因子主要集中于高度场和海温场具有重要天气气候意义的关键区域,如暖池附近以及北美洲东北部等区域。     

长期预报因子逐步筛选法的初步总结

要做准长期预报,选择好预报因子是个关键。对于大批的预报因子,只考虑它们与预报量的高相关,高拟合率还不够,还要从中提练出能够互相搭配,而且配合较好的因子。我们认为好的预报因子应具备以下三个条件:第一,要和预报量相关程度较高,历史拟合较好,能通过一定信度的显著性检验。     

咸阳市分县分级降水概率预报方法

通过用大量的经验因子和数值产品相结合,采取预测法、相关法、关联法对预报因子进行多层筛选,既考虑了降水事件发生的有利因素和不利因素,又考虑了降水事件的自身规律性,应用动态预报模型,建立分县降水概率预报方法。     

融安县倒春寒的长期预报

选取４ 个与历年倒春寒相关关系较好且因子间相关系数较小的前期因子, 用有效指数法建立融安县倒春寒预报方程, 预报效果十分理想     

多因子两值预报效能的初步探讨

到目前为止,对多因子两值预报,已有不少方法,如编码法、REEP法等。但诸方法并没有涉及两值预报的内在规律。本文从概率论角度对它进行了研究,提出了预报效能的概率估计法。 针对简单投票法,我们导出了数学表达式,用它们探讨了多因子预报比单因子预报优越的条件。发现多因子预报效能取决于1)因子数;2)各因子的历史拟合率;3)各因子历史拟合率之间的差异程度;4)预报原则等四方面因素。还发现历史拟合率小于0.5的因子是超负贡献的。     

融安县倒春寒的长期预报

选取４个与历年倒春寒相关关系较好且因子间相关系数较小的前期因子,用有效指数法建立融安县倒春寒预报方程,预报效果十分理想。     

鲁南月降水量的多层递阶预报方法

在实际的预报工作中,对于月的降水量预报或做其它长期预报,通常从这样几个方面考虑问题:1.降水自身的演变规律;2.寻找各气象要素或要素场与降水量的相关关系,3.选择最佳预报因子,用统计的方法做出预报。 所以我们最关心的正是如何确定气象要素场与降水量的相关关系,选择合适的预报因子。在实际工作中预报因子的选择往往是预报成败的关键。但在预报因子选取之后,选择合适的统计方法也是不容忽视的。现将我们做的一点工作简介如下。     

用因子权重集成法作寒露风长期预报

本文选用4个气象因子,用因子权重集成法作寒露风的长期预报,效果较好。     

用数据处理群方法订正数值预报产品误差

本文介绍用数据处理群方法,订正数值预报产品的具体作法。它使用统计样本建立多项式,再用检验样本进行检验,通过两两因子的组合考虑非线性二次项的作用,最后求得均方根误差最小的最佳二次多项式。经试用采用订正后的数值预报产品作为因子进行PP方程的计算,预报的CSI评分有所提高。     

“0、1”化预报因子选取统计标准的探讨

我省县站MOS预报以判别分析和REEP法(事件概率回归估计)应用最广、效果最好。无论用什么方法建立MOS方程,选好预报因子是关键。用以上两种方法建立MOS方程,一般是将预报量与预报因子“0、1”化。0、1化后的0、1型变量必须经严格检验,才能选出相关稳定、信度高的预报因子。     

成都双流机场浓雾预报探讨

针对双流机场的浓雾预报,通过相关分析,用最大相关系数的因子建立回归方程,对历史浓雾样本资料根据欧氏距离归类,建立四个概念模型,历史拟合效果均较好。实际应用时,使用pp法,将数值预报产品代替预报因子,做出预报,对得到的预报结果,由预报员综合判断得到最终预报。     

成都双流机场浓雾预报探讨

针对双流机场的浓雾预报,通过相关分析,用最大相关系数的因子建立回归方程,对历史浓雾样本资料根据欧氏距离归类,建立四个概念模型,历史拟合效果均较好.实际应用时,使用pp法,将数值预报产品代替预报因子,做出预报,对得到的预报结果,由预报员综合判断得到最终预报.     

夏河县羔羊成活与气象因子相关研究

在分析１９８４一１９９１年草地型藏系绵羊产羔成活率与气象因子关系的基础上，揭示了在高寒牧区草原畜牧业中影响羔羊成活的关键气象因子是温度和降雪量；并运用气象资料外延法──距平相关，建立了用气象因子预报来年羔羊成活的丰欠年指标；论证了藏系绵羊在高寒区严酷生态环境中的最佳产羔期。     

前期高度场和海温场变化对我国汛期降水的影响

利用1952～2001年我国160个测站汛期降水和前期500 hPa高度场和太平洋海温场资料以及三因子最佳子集回归求最大复相关系数的方法,把前期不同时间步长、不同时段的高度场和海温场同时作为预报因子与汛期降水求相关.结果发现:前期两个场共同作为预报因子比把其中某场单独作为预报因子的相关要好.并且存在着较好的"隔多季度相关"现象.预报因子具有实际预报意义的最佳时段为上一年的6～9月.影响我国汛期降水的最佳预报因子主要集中于高度场和海温场具有重要天气气候意义的关键区域.汛期降水可预报性在北方和长江以南均较好.     

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。