用非线性分类筛选模式做短期气候预测的尝试

在相关普查的基础上,使用最优分割挑选因子,逐步对预报量进行分类,按照业务预报的需求,形成分类预报模式,取得了较好的试报、预报效果。     

回归方程优良性的判断

逐步回归计算方法是求多元回归方程的一种有效方法。它是按照一定的显著水平F_a,从大量的预报因子(自变量)中逐步地挑选对预报量(因变量)有显著影响的,即使对观测数据拟合较好的几个建立回归方程,用于预报未来。但F_a究竟取多大为好?取大了,得到的回归方程含因子个数少,拟合率不高;取小了,得到的回归方程含因子个数太多,往往预报效果不佳。因此在组建逐步回归方程时,经常对同一个问题选取几个F_a值,从而得到几个可供选用的方程。但仍然没有较好的办法确定使用哪一个方程好。     

地方MOS数据集及应用程序包的建立方法介绍

一、前言 “MOS”方法是通过数值预报量与实际预报量的统计关系而作出的一种客观的、定量的预报方法,其预报效果决定于预报因子的挑选和预报数学模型的构造。但在大量的数值预报要素场且有众多的预报对象的情况下,要迅速地、客观地选择出与预报对象相关密切的因子,建立出预报方程,必须利用电子计算机来完成。然而,目前国内电子     

用相应时段累积因子预报累积降水的初步探讨

本文针对当前数值预报产品释用工作中通常存在的因子的瞬时量与预报降水的累积量这样一个时间尺度的不相匹配的问题，提出了用相应时段内因子的累积量预报降水的累积量的预报方案，用该方法处理的累积因子与降水量之间的相关系数，与瞬时因子相比有显著提高，以此为依据，用HLAFS数值预报产品，建立了一个降水量滚动预报系统，有较好的使用效果。     

用分档系数筛选因子

微机的应用使台站在制作预报选因子时能考虑较大范围、较大数量的要素,且允许进行较为复杂的计算。而常用的预报方法如线性相关系数,极差分析等往往选不出非线性相关的因子。为此,我们根据县站人工挑选因子时常用的分档筛选思路,构造了一个分档系数来筛选因子,并用微机计算,取得较好的效果。     

农业设施环境要素调控技术研究及应用现状

提高数值预报产品的释用水平是提高预报准确率的有效措施。针对当前数值预报产品释用中通常存在的预报因子的瞬时量与预报降水的累积量这样一个时间尺度不相匹配的问题，本文提出了用相应时段内预报因子的累积量预报累积降水的预报方案。经检验，用此方法处理的累积因子与降水量之间的相关系数比瞬时因子有明显提高。以此为依据，以HLAFS数值预报产品为资料，用累积因子建立了忻州市汛期降水分县预报方程，取得了较好的使用效果。     

回归分析中因子群讯息的浓缩

一、问题的提出回归分析被广泛地应用于天气预报,并收到较好的效果。一般回归(一次回归)是在事先将预报因子加以挑选,选取达到一定信度a的预报因子,然后根据最小二乘方原理建立预报对象的回归方程。这些预报因子在回归计算过程中无一例外地全部引进方     

用典型相关分析作区域性短期气候预测的研究

本文引用典型相关分析技术分析了山西夏季降水与若干个因子场的相关关系，指出了影响山西夏季降水的主要因子是副高的活动，在实际预报工作中应该挑选不同时次不同要素的因子场，用该方法建立的模式其预报效果令人满意。     

长期天气预报中逐步回归应用的讨论

70年代以来,长期天气预报中广泛引进数理统计方法,应用较多的是回归,尤其是逐步回归。天气的变化是多种因子共同作用的结果,长期天气预报中常常需要从各种可能影响预报量的许多因素中挑选一批相关较好的、有物理意义的因子,建立逐步回归方     

多预报量双重筛选逐步回归

一、引言 回归分析在长期天气预报中应用十分广泛。逐步回归是回归分析中效果较好的方法之一,逐步回归可以避免引入强相关变量所导致的求解的困难。 在长期天气预报中经常要同时制做P个站点的预报(即:多个预报量y_1、y_2…y_p),采用相同的M个预报候选因子(即:M个预报因子X_1、X_2…X_M)。对每一个预报量y_i可以分别应用逐步回归来筛选这M个因子建立预报方程:     

集对分析在城市空气污染预报中的应用研究

在城市空气污染预报模型中, 精心挑选的因子具有较好的预报性能, 但是因子的优良性能并非始终不变, 而有时个别因子的不良表现往往可能导致预报的失败。根据集对分析 (SPA) 把不确定性和确定性作为一个动态的同异反系统处理的思想, 动态地分析和处理每次预报中因子作用的变化, 即每次预报前, 先对因子进行态势判别和同异反分析, 然后使可能干扰预报的弱势因子的作用受到有效抑制, 使有助于预报的强势因子的作用得到充分发挥, 从而实现了因子作用大小在各次预报中的动态变化, 取得了较为满意的效果。在预报模型中增加不确定性处理有助于提高预报准确率。     

多维空间点聚方法预报月降水量

图解预报是气象台站常用的统计预报方法,具有简单直观的优点。比如预报量y与两个前期要素(预报因子)x_1,x_2有关,(x_1,x_2)的一列历史资料在平面上表现为一个点组,在每一点处对应有一个y值。若因子挑选适当,这些y值在平面中的分布应有较明显的规律,这时,或者划出y的等值线,或者按y的不同等级,把平面划分为互斥的指示区域,就可应用来作预报,这就是平面点聚图。由于作图只能在平面中进行,因此上述方法对多因子的应用受到了限制。有一种     

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     

一种挑选因子的数学模式—分类系数

同常规的统计预报一样,在MOS预报中挑选因子同样也是一个关键和核心的问题。 由于预报因子和预报对象之间的关系是错纵复杂的。很少存在线性关系。而在我们日常使用的统计方法中只有线性关系的各种方法才是比较成熟的。直接进行非线性处理是非常复杂的。所以,一般的做法是采用将非线性关系转化为线性关系后再采用线性方法     

用非线性逐步回归方法作台风预测试验

利用非线性逐步回归方法作台风活动趋势的预报,在回归方程中考虑了预报因子与预报量之间的非线性关系,回归方程中选入的非线性因子具有较高的相关显著性,对１９９５－１９９７年台风预测试验表明,非线性因子在预报中起着及其重要的作用。取得了较好的预报效果。     

人工挑选预报因子的简捷程序

因子的挑选对作好预报是至关重要的。通过普查资料挑选因子的方法很多,鉴于目前县站计算工具缺乏,因此应选择简捷有效的方法。我们采取的简捷程序是:符号相关→序列相关→最优预报序列。     

基于EC模式闪电格点概率预报模型及应用

基于EC（0.25°×0.25°）模式预报资料和闪电定位资料，结合雷暴三要素形成条件，分别从水汽、能量、热力、动力等几个方面挑选预报因子，利用主成分分析方法配料权重系数，并根据海拔高度将四川划分为四川盆地、攀西地区、川西高原3个不同的区域分别建立预报模型，研发了四川省闪电格点概率预报产品。检验结果表明：四川盆地在概率预报值为70%以上时，预报效果较好，TS评分为0.294；攀西地区和川西高原在概率预报值为60%以上时，预报效果较好，TS评分分别为0.302和0.299。     

长江中下游汛期旱涝的前期气象要素特征的统计分析及其应用

本文用1951～1980年资料,对影响长江中下游夏季旱涝的地面、高空气象要素作了比较全面的统计分析。根据相关系数和马哈拉诺比斯距离挑选预报因子。指出了影响汛期降水的关键气象要素、关键月和关键区。用逐步回归和逐步判别方法作夏季月降水量预报,经独立样本资料检验,效果较好。     

许昌市区麦播期强降水短期预报方法

在许昌市区麦播期强降水影响系统客观分型的基础上，结合预报实践，分型挑选预报因子，并建立了强降水短期预报方法。经检验和试报，效果令人满意。     

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。