对回归分析中因子问题的探讨

回归分析方法是目前气象台站用作气象要素定量预报的主要方法之一。在实践中发现,此方法的历史拟合状况都较好,但用作预报时,效果就不甚理想。究其原因,主要还是预报因子的问题。１　因子稳定性的问题　　预报对象与预报因子之间的关系,可能在一段时间内表现得较紧密,在另一段时间内不紧密,这就是相关的不稳定。如用这些不稳定的因子建立方程,预报的效果就较差。为了考虑因子Ｘ与预报对象Ｙ的相关稳定性,分别依次滑动计算样本容量为２０、２５、３０和３５年的相关系数,考察相关系数的变化情况。如相关系数随着时间的推移,顺次是…     

多因变量双因子集矩阵回归预报方法

在多因变量多元回归中,采用单因子筛选引入公共预报因子进行矩阵回归预报时,由于自变量间互相关联,有可能存在这样的双因子,单个因子回归检验不太显著,但2个因子检验变得显著,势必造成某些预报信息的遗漏。基于此该文引入多因变量双因子集矩阵回归预报方法,通过对玉溪市9站点5月雨量预报检验,预报效果明显高于单因子筛选回归,尤其对特多特少异常年更具有指导意义。     

“真值图”法天气预报——0—1型多因子综合统计预报方法

真值图是表达逻辑代数运算的一种直观图形,常用于电子开关线路设计中。在作气象定性预报的0—1型多因子综合预报中,引用了真值图,效果较好。一、综合预报真值图的制作方法0—1型多因子综合预报,通常用“1”和“0”分别表示预报对象或预报因子的“出现”和“不出现”。当用两个预报因子作综合预报时,因子的不同组合状态可以有2×2=2~2种;n 个因子的不同组合状态将有2~n 种。进行综合预报的关键,就在于正确地区别 n 个因子的各种组合状态,以及表达各不同组合状态与预报对象状态的对应关系。真值图是一种能够区分因子的不同组合状态的有规律的图形,所以能用于作综合预报。真值图的画法有很多种,这里介绍一种比较简便的方法。     

人工神经网络在温度和降水预报中的应用

利用人工神经网络的ＢＰ网络制作全省温度和降水预报。在作哈尔滨站温度预报时,选取实时高空、地面和欧洲温度场共１０个因子,一天２次发布未来２４ｈ预报。对哈尔滨站共作了１２个月的最高、最低温度预报。在作全省降水预报时,将全省分成８片,分别进行降水等级预报和暴雨有无预报;选用的是Ｔ１０６资料,选取２０个因子,对１９９８、１９９９年的温度和降水预报进行了检验和评分。     

合理地确定预报对象的标准

在作预报时,选预报因子和确定预报对象究竟哪一个重要呢?有的同志认为,当然是预报因子重要,只要有几个历史概括率很高的权威因子,就能作准预报。我认为这种说法还不够全面。预报因子固然重要,但预报对象定得是否合理,则更重要。如果预报对象定得不合理,就不能选到揭示天气规律性的预报因子,也就影响到预报的成败。     

北半球500百帕组合因子及其在洞庭湖、鄱阳湖地区7月降水量预报中的应用

用多元统计方法作水文气象长期预报,主要问题在于预报因子的选择.本文采用新的方法,选取高相关的预报因子——组合因子,并对其作若干性能的分析,经应用,收到了较好的预报效果.     

方差分析如何分级好

在运用方差分析周期迭加外推法(简程方差分析)作长期预报时,为了便于手算,往往要将原始资料化成若干等级。如何适当分级,才能使方差分析达到最佳的拟合率,使之符合长期预报的要求。我站     

影响广西的热带气旋年频数的初步研究

使用1951-1997年影响广西的热带气旋年频数与前期和同期的海温场、500hPa高度场进行相关分析,结果表明,赤道太平洋海区的海温与影响广西的热带气旋年频数有密切关系,厄尔尼诺年副高强度偏强,西伸脊点偏西,影响广西的热带气旋偏少,拉尼娜年副高偏弱,影响广西的热带气旋偏多.然后挑选相关系数高的高相关区,以其为预报因子,利用相似分析方法和逐步回归方法对影响广西的热带气旋年频数作预报试验.结果表明,用相似离度方法做预报时,第1相似对特多特少年的预报基本可信,而第2、3相似预报不稳定;用逐步回归建立的预报方程平均拟合误差约为1个,1998和1999年的试报效果较好.     

用多因子综合相关法作那坡县低温阴雨结束期长期预报

通过选取四个与历年低温阴雨结束日期单相关较好且因子间相互配合也较好的前期因子，用多因子综合相关法作那坡县低温阴雨结束期长期趋势预报，效果较好。     

用多因子综合相关法作那坡县低温阴雨结束期长期预报

通过选取四个与历年低温阴雨结束日期单相关较好且各因子间相互配合也较好的前期因子，用多因子综合相关法作那坡县低温阴雨结束期长期趋势预报，效果较好。     

MOS预报中的几个问题

1998年3月26～28日,美国气象专家美籍华人严巍先生在银川就美国气象统计预报系统的现状与未来及MOS预报的基本方法作了学术讲座,严巍先生在美一直从事MOS预报的工作,达15a左右,作了大量的工作,根据有关方面材料及记录进行整理,就MOS预报中的几个问题作一简单介绍,供大家在数值预报产品的解释应用中参考。1MOS预报的优点由于MOS预报采用数量统计方法建模,从若干待选因子中选取与预报量相关性较好的因子,作为MOS预报的因子,不仅与预报量有良好的统计相关关系,也要求因子与预报量间具有明确的物理学、天气动力学意义．因此…     

MOS预报业务化试验中若干技术问题的处理

一、前言 随着数值预报的发展及输出产品的增加,MOS预报试验研究不断的深入并应用于业务预报上。近年来,我们也积极进行了MOS预报业务化的尝试。实践中我们体会到,MOS预报必须符合简便、迅速、准确的原则,才能在预报第一线站住脚,否则这种方法再好也只能成为墙上的画,镜中的花。为此,我们对预报对象、因子的选取进行了必要的技术处理,并在实际应用中取得了较好的效果。 二、建立预报模式时的技术处理 1.y量的处理 在进行晴雨预报时,一般将雨量y作0,1化处理,晴天取0,雨天取1。我们假设y随因子x线性单调地变化,当x小于某一数值时,y始终是0;一旦x超某一临界值,y明显地随x而变化。y由恒为0突变到随x变化的现象,反映了这两段具有不同的函数关系。     

信息量准则及其在县站MOS预报中的应用

我们在进行MOS预报时,采用较适宜方法,选取恰当的预报因子,是提高MOS预报准确率的重要因素之一,县站在MOS预报中大量的预报因子是一些离散型随机变量,而且预报因子可能存在的有限个状态大于两个。如利用风向作为汛期MOS预报的一个预报因子,该因子起码可出现四个天气学意义完全不同的状态。SE象限的风提供了夏季季风的影响信息,SW象限的风提供了印缅低槽前部水汽输送情况的信息,NE和NW象限的风     

产量预报中对Y_t处理方法的比较

在产量预报中对趋势产量Y_t处理方法的不同,将直接影响到产量预报的准确率,所以在作产量预报时,首先要重视对Y_t处理。本文讨论了用多种方法处理y_t对产量预报的影响,并提出如何评价y_t处理的初步意见,供讨论。     

浅谈作物积温的稳定性及其预报的准确性

在介绍积温相对稳定性的基础上,分析了气温、叶龄变化对积温值的影响。认为作物发育速度受高温抑制时,积温的不稳定性增大;当未受高温抑制时,积温有较好的稳定性。各地在进行积温预报时,应开展相关试验,并将不同地区有效积温的夜温差值进行比较订正,以提高预报准确性。     

影响台风移动的几个基本因素及其应用

台风是夏秋季节对我国影响最大的一种天气系统,因它引起的狂风暴雨和高潮等灾害性天气都与台风路径有密切的关系。因此,作台风预报时,我们首先关心的是台风的移动路径。下面我们对影响台风运动的三个基本因素及其在分析预报中的应用作一简要介绍。     

玉米螟越冬死亡率的气象条件及其预报模型研究

根据1994-2004年黑山气象资料和玉米螟越冬期资料,采用通径分析方法,对玉米螟越冬期的气象条件与死亡率的关系进行分析,建立了4月和5月死亡率的预报模型。结果表明：玉米螟受3-5月的气象因子影响较大,死亡率明显高于越冬前的死亡率,建立的模型能够反映玉米螟越冬期气象条件与死亡率的响应关系,可在实际预报业务中作为参考依据。考虑越冬前死亡率的预报拟合率明显高于不考虑越冬前死亡率的模拟结果,说明在对玉米螟进行预报时,只考虑气象因子,不考虑虫源基数是不全面的。     

印江县大—暴雨长,短期结合预报方法（摘要）

印江县地处梵净山西侧,每年平均有2～3次大—暴雨过程。在制作其长期预报时,应用韵律关系的概念,着眼于预报月最大两次降水过程出现日期。通过因子筛选,优先使用秋末、春初连晴骤雨日期、连晴无雨中间日期、单独雷阵雨日期（前后至少保证1天无雨,雨量足够大）三个因子;若某月连阴雨日期长,不满足上述条件,则选用最长连续降水中间日期（月最大降水出现在此时段）、准5个月最大与次大降水中间日期（与其它时次降水量比至少差5mm以上）作为预报因子。     

试用非线性预报方法预报辽宁夏季气温和降水

一、前言过去在长期预报的统计分析中大部分采用相关分析方法,找出相关较好的关键区,如要做定量的预报,则找出相关较好的预报因子,用逐步回归的方法建立预报方程,但是这里的相关分析及建立的逐步回归预报方程都是线性的,而实际上预报量与预报因子的关系是非线性的。因此,线性相关分析方法是不适合实际的,用线性预报因子建立起来的预报方程也必     

论变量的相关性在组合因子时的作用

当用统计方法作预报时,遇到的第一个问题是选择能表示所研究现象特点的预报因子。这些因子的选择应决定于所研究过程的物理模型和它的专门特点。统计学上有一些专门的定量判据来衡量这些预报因子的优劣。这就是相关系数或马氏(MAHALANO-BIS)距离等。但很少涉及到预报因子相关性的作用。本文探讨变量相关性在选因子时的作用,指出在少数情况下,不独立变量的组合会比独立变量组合更有利,给出了判别标准。解释了为什么经验使我们认为独立变量的组合比不独立变量的组合有利,但这又不能是普遍适用的规则。本文还用实例证实了在选因子时,合理地考虑变量相关性的作用是有利的。