投影寻踪回归与BP神经网络方法在前汛期降水预测中的比较研究

以1962—2006年粤北地区7个站4—6月前汛期降水量资料为基础,将前汛期降水量与74项环流指数资料进行灰色关联度分析,确定了影响粤北地区前汛期降水量的16个关键环流指数因子,分别应用投影寻踪回归、BP神经网络和逐步回归方法,建立前汛期降水趋势预测模型,对粤北地区前汛期降水趋势进行预测。结果表明:投影寻踪回归和BP神经网络方法的预测能力均优于传统的逐步回归模型。其中,PPR模型比BP神经网络方法的预测效果更好。     

投影寻踪回归方法在长江三角洲地区降水量预报中的应用

本文首先利用北半球大气环流、SST场以及环流特征量指数等资料，普查了与长江三角洲地区降水量关系密切的预测因子，并根据投影寻踪回归方法（PPR）建立了该地区降水量预报模型。试验结果表明，该统计方法具有稳健性，对降水量的预测效果较好。     

基于BP神经网络的汛期降水预测模型研究

采用误差反传前向网络（简称BP神经网络）建立汛期（6-8月）降水预测模型，并与采用逐步回归方法建立的模型进行对比试验，结果表明，基于BP神经网络的汛期降水预测模型不仅对历史样本的拟合精度更高，而且其独立样本的预测检验效果也比逐步回归方法更好，是一种具有一定应用前景的汛期降水预测方法。     

投影寻踪回归技术在降水量预测中的应用

提出了应用投影寻踪回归（ＰＰＲ）技术预测降水量的建模思想及其ＳＭＡＲＴ算法的实现。三个地区应用ＰＰＲ进行降水量预测建模,模型的拟合及预留预测检验结果均好于逐步回归建模的相应结果。     

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%。     

长江三角洲梅汛期降水与大气环流季节内演变的关系及延伸期预报

基于1981—2020年长江三角洲(简称长三角)地区62个国家基本气象站的逐日降水量资料及NCEP/NCAR全球大气逐日再分析资料,分析了长三角地区梅汛期降水与前期大气环流季节内协同演变的关系,在此基础上利用改进的时空投影方法(STPM)构建了针对该地区梅汛期降水的延伸期预报模型.结果表明:(1)长三角地区梅汛期降水存...     

近50年来东莞气温年际变化的长期特征分析

运用福建省25个代表站汛期降水量资料，得到了能够反映全省旱涝状况指标，以此指标为预报量，运用相关分析和逐步回归分析方法，从前期海温场、大气环流场中选取了预报因子，并据此建立了福建汛期旱涝的多元线性回归和RBF神经网络预测模型。结果表明，RBF神经网络模型在历史样本拟合精度上、样本交叉检验和模型的实际预测能力上都明显优于传统的线性回归方法，该模型在实际预测中具有良好的应用能力和推广价值。     

福建汛期降水主分量逐步回归预测模型研究

建立福建汛期降水量气候场的主分量逐步回归预测模型,通过预测福建汛期降水量气候场的主分量来实现对福建汛期降水量场的预测。选取北半球500 hPa高度场、太平洋海温场、北半球海平面气压场等含不同区域不同季节的诸多因子场的前若干主分量因子作为预测因子。计算分析了福建汛期降水场的主分量分布特征和分型特点。利用相关筛选和双重检验逐步回归方法,建立福建汛期降水场与多个因子场的关系,建立主分量的预测方程。通过对2012年福建汛期降水的预报,发现该模型对福建汛期降水的趋势和分布有较好的预测能力。     

近30 a福建省前汛期极端降水事件特征及其成因

利用1981—2010年前汛期(5—6月)福建地区台站逐日降水观测资料及NCEP/NCAR再分析逐日资料,对福建地区极端降水事件发生规律及环流异常进行了分析。结果表明:近30 a福建地区前汛期各站极端降水事件的发生频次在40~62次之间,沿海台站发生次数明显少于内陆台站。区域性极端降水发生频次亦呈显著增加趋势,增幅为0.06次/a,且在1994年后,前汛期极端降水事件的发生频次明显增多。区域性极端降水86次事件平均的降水分布显示在闽西中部降水量最大,并由此向外围逐渐减小。极端降水事件对前汛期降水贡献较大,约占前汛期总降水量的两成以上。极端降水事件的发生与大气环流异常存在密切关系,对深刻认识福建地区极端降水事件的形成机制和变化规律具有重要意义。     

江西省永修地区盛夏气温和汛期降水变化特征及其预测模型

利用逐日气温和降水资料,对江西省永修地区1961—2015年盛夏(7—8月)气温和汛期(4—6月)降水的变化规律进行分析。结果表明,永修地区盛夏气温和汛期降水均存在25—30 a的变化周期,但在全球变暖的大背景下,两者自1961年以后均未表现出明显的长期变化趋势。通过相关性分析从大气环流指数和外强迫指数中筛选影响永修地区降水和气温的显著相关因子,并采用逐步回归法构建永修地区盛夏气温预测模型和汛期降水预测模型。模拟和预测试验结果表明,气温、降水预测模型不仅能较好地模拟出1961—2010年永修地区盛夏气温和汛期降水的变化,还能很好地分别预报出2011—2015年永修地区盛夏气温和汛期降水。     

基于BP神经网络的浙北夏季降尺度降水预报方法的应用

利用NCEP提供的全球空间分辨率为2.5°×2.5°、2007—2012年6—8月日平均500 h Pa高度场再分析格点资料和浙北地区158个站点观测资料,研究了不同大气环流型下局地降水与大尺度降水场之间的关系,以4种不同环流型下的预报对象和预报因子分别采用BP神经网络方法对观测资料进行逼近,得到4种空间降尺度的预报模型,分析对比4种预报模型158站逐日的降水量的预报。结果表明:神经网络模型的隐层节点数为2时,对降水的拟合效果最好;对降水的极值拟合效果中,环流分型中NW型和C型的效果优于SW型和SE型;从4种分型下的误差空间分布来看,浙北地区沿海的宁波、舟山一带的误差小于浙北其他区域;把雨量分等级后进行预测,发现模型对暴雨的预测能力最好。     

投影寻踪回归模型及其在降水预测中的应用

介绍了投影寻踪回归（ＰＰＲ）预测建划的基本思想和算法,并将投影寻踪混合回归９ＰＰＭＲ）和逐步回归（ＳＲ）应用于降水预测数值试验。结果表明,ＰＰＭＲ模型的拟合和预测效果均优于ＳＲ模型的相应效果。     

用统计集合方法制作全国汛期降水滚动预测试验

以全国160站汛期(6-8月)降水量为预测量,以最新得到的74项环流特征量指数为因子,尝试制作全国160站汛期降水滚动预测.建立模型时考虑了预测量与环流特征量因子序列的显著线性变化趋势,以及预测量与环流因子之间的相关不稳定性,用"滑动相关-逐步回归-集合分析"预测方法,分别建立了2009年全国160站汛期降水量的物理统计集合分析预测模型,并进行了近10年独立样本预测试验分析.结果显示:(1)用物理统计集合分析预测方法,以最新得到的74项环流特征量指数为因子,实现了全国160站汛期降水逐月滚动预测,2009年以在5月份制作的滚动预测效果最好.(2)近10年预测试验的空间距平相关系数Acc、业务评分PS和异常级评分TS均高于国家气候中心近年汛期预测业务平均水平.经过不断改进思路和优化具体建模方案,该方法具有较高的业务应用潜力.     

大气环流指数和海温对呼伦贝尔地区年降水预测的指示意义

文章对近50a（1961—2010年）内蒙古呼伦贝尔地区的年、汛期和冬春季降水量和降水距平百分率（R%）作了统计,发现年R%和冬春季R%呈上升趋势,汛期R%略呈下降趋势;通过对年R%与大气环流指数、海温的相关分析发现：前期副热带高压（副高）、北半球极涡、大西洋欧洲环流C型、西藏高原位势高度和印缅槽（南支槽）强度指数等均与年R%密切相关,当北半球极涡收缩、强度减弱,副高扩张、强度加强,西藏高原位势高度偏高,南支槽减弱时,有利于来年呼伦贝尔地区降水,否则,相反。此外,前一年夏季北印度洋海域和赤道东太平洋海域海温对呼伦贝尔地区来年降水有显著影响,这两块海区的海温和上述环流指数可考虑作为呼伦贝尔地区年降水的预测信号使用。     

基于年际增量法的青藏高原南部汛期降水预测研究

针对青藏高原南部汛期降水预测研究少和预测难度大的问题,通过分析1981-2010年青藏高原南部汛期降水与国家气候中心发布的88项大气环流指数、26项海温指数和16项其他指数年际增量的相关性,采用逐步回归法筛选出与降水相关的最优预测因子组合,在此基础上建立了高原南部汛期降水年际增量与预测因子的物理统计预测模型,并对2011-2019年的汛期降水进行了独立样本回报检验。结果表明,该模型的预测准确率很高,降水年际增量和距平同号率均达到7/9,距平百分率均方根误差为13%,降水相对误差在±15%以内的年份占比高达8/9。可见,该模型能够提高高原南部汛期降水预测能力。最后,利用NCEP/NCAR再分析月平均资料和NOAA海表温度月平均资料研究了预测因子影响高原南部汛期降水的物理机制。     

投影寻踪回归模型及其在降水预测中的应用

介绍了以投影寻踪回归（ＰＰＲ）进行预测建模的基本思想和算法实现。通过将ＰＰＲ和逐步回归（ＳＲ）应用于降水实例预测,结果表明ＰＰＰ模型的拟合和预测检验结果均优于ＳＲ的相应结果。     

影响福建热带气旋年季频数的投影寻踪回归模型

投影寻踪方法是一类处理高维问题,特别是高维非正态问题的新兴统计方法.通过普查北半球500 hPa、100 hPa、北太平洋海温以及500 hPa环流特征量与影响福建热带气旋年、季频数的相关,采用逐步回归筛选预测因子.然后,应用投影寻踪回归方法的基本思想和算法,建立福建热带气旋年季频数的PPR预测模型.结果表明,PPR模型的预测效果明显优于逐步回归预测模型,对福建热带气旋年季频数具有较好的预测能力.     

TRMM月降水量产品在新疆地区的订正

利用1998-2013年TRMM月降水量产品与新疆同期的105个气象站地面观测降水量,运用逐步回归与BP神经网络方法,选取1998-2010年数据建立新疆地区的降水订正模型,并利用2011-2013年月降水量进行检验。结果表明:加入地形因子对TRMM月降水量产品订正效果明显,整体上两种模型对TRMM月降水量产品订正的相关系数从最初的0.66分别提高到0.75和0.80,相对误差由10.75%分别降低为4.88%和3.19%;月尺度上,TRMM月降水量产品相对误差为-5.68%~54.44%,经逐步回归模型订正后为-4.26%~32.57%,而BP神经网络模型订正后为-5.33%~24.48%,表明BP神经网络模型订正效果更好;从综合时间技巧评分S_T看,订正后TRMM月降水量产品在各月的效果均有不同程度提高,逐步回归模型订正后提高0.01~0.49,BP神经网络模型订正后提高0.03~0.70。因此,基于逐步回归模型与BP神经网络模型订正的TRMM降水量产品均能够准确、定量地再现降水分布,为TRMM降水量产品质量改进提供一种较实用的参考方法。     

气候场主分量逐步回归模型预测粤中西部汛期降水

运用热带海温资料、500hPa高度场等建立气候场,对此气候场均取前6个因子,共建立1248个因子的物理因子场。将粤中西部10个县(市)前汛期和后汛期降水量场进行EOF分解,得出前四个主分量;分别用这四个主分量与1248个气候场主分量因子进行相关计算,最后选取10个因子进入逐步回归方程,对前四个主分量进行预测,从而可以预测肇庆市前、后汛期降水的空间分布;再经过反算拟合,得出前、后汛期降水量的预报结果。检验表明,这种方法可以预测区域未来的降水空间分布与降水量,预报效果较好;物理意义上,可以揭示多个气候背景场的空间分布与某区域气候场的空间分布之间的联系,为小区域的短期气候预测提供物理依据。     

气候场主分量逐步回归模型预测粤中西部汛期降水

运用热带海温资料、500hPa高度场等建立气候场,对此气候场均取前6个因子,共建立1248个因子的物理因子场。将粤中西部10个县（市）前汛期和后汛期降水量场进行EOF分解,得出前四个主分量;分别用这四个主分量与1248个气候场主分量因子进行相关计算,最后选取10个因子进入逐步回归方程,对前四个主分量进行预测,从而可以预测肇庆市前、后汛期降水的空间分布;再经过反算拟合,得出前、后汛期降水量的预报结果。检验表明,这种方法可以预测区域未来的降水空间分布与降水量,预报效果较好;物理意义上,可以揭示多个气候背景场的空间分布与某区域气候场的空间分布之间的联系,为小区域的短期气候预测提供物理依据。