灰色系统理论在长期预报中的应用

本文应用灰色系统理论,分别建立了南宁市的秋季寒露风、冬季菠萝低温、春季烂秧天气结束期的时间序列的灰色动态(GM)长期预测模型,预测的效果较令人满意。其优点为:①可以减少时间序列的随机性;②可以提高预测精度。     

GM(1,n)模型在主讯期降水量长期天气预测中的应用

介绍了灰色系统GM（1，n）模型的建模原理及方法；建立了巢湖区域主汛期（6—8月）降水长期预测GM（1，3）灰色预测模型，并将之与GM（1，1）模型及传统的线性回归预报方程进行比较讨论。     

灰色系统理论在江苏省淮北地区春旱,初夏旱趋势预测中的应用

本文利用灰色系统理论预测方法建立的GM(1,1)预测模型,对我省淮北地区春季、初夏季节未来的干旱少雨趋势进行了预测。为淮北地区春季、初夏季节的农业气象干旱研究和预报提供了参考依据。     

风暴潮的拓扑预测

风暴潮是指在台风、寒潮、气旋等风暴天气系统影响下,引起局部海面异常升高的现象。是莱州湾的一种多发性自然灾害,它的发生与天文、气象等因素密切相关,可认为是一个灰色系统。GM(1,1)模型是灰色预测中常用的基本模型之一。拓扑预测是利用GM(1,1)模型群的预测方法。本文将对羊角沟逐年最高风暴潮位的长期趋势进行拓扑预测。     

曲线Ae^ax模型可以代替GM（1，1）预测模型

对灰色系统中的GM(1,1)预测模型与曲线Aeax拟合做了对比分析,得出的初步结论是:一般情况曲线Aeax可以代替GM(1,1)预测模型     

第九讲 灰色预测模型GM(1,1)与关联分析BASlCB程序

在灰色系统理论中,最富实用的是一阶单变量模型(GM(1,1))和关联分析,为读者便于使用,下面给出两者的BASIC程序。 9.1.GM(1,1)程序 1.功能 对时间序列x(i),通过累加处理,用最小二乘估计求取时间响应方程中的参数a和u,从而求得对x(i)的拟合值和预测值。当拟合的最大误差超过事先给定的精度Q时,自动进行残差订正。当残差列ε不是单调序列时停止运行。     

西安市各区县气温预测统计方法对比分析

利用西安市7个国家一般气象站1971—2000年的逐月平均气温,依次选用最优气候值法、多元线性回归预测法、自回归移动平均法(ARIMA)和灰色系统理论法进行回报检验,模拟出7个站点2001—2013年的月、季、年平均气温,再对其进行PS评分和异常级分析,结果显示:季、年平均气温预测以最优气候值法、灰色系统理论法较为适用,月平均气温预测中各种方法在时空序列上各有优劣,多元线性回归预测法应适当避免使用;从时间尺度来看,春、夏、秋和年平均气温预测以最优气候值法最优,冬季平均气温预测以自回归移动平均法最优,月平均气温预测3—8月以最优气候值法最优,1—2月、9—12月以自回归移动平均法最优;从空间尺度来看,靠近山区及平原区(周至、户县、市区、高陵)月、季、年平均气温预测以灰色系统法最优,山区与平原区过度区域(临潼、蓝田、长安)月、季、年平均气温预测以最优气候值法最优。     

需水量预测方法研究

需水量预测的方法有很多种,但每种方法的预测结果都具有误差.在分析了回归分析法以及灰色系统GM(1,1)法的优缺点及其适用情况后,针对其缺点提出了相应的权重方法,对两种方法的预测结果进行了加权处理,并以郑州市为例进行了实例分析,分析结果表明,处理后的结果减小了预测的误差.     

BP神经网络模型在O3质量浓度预报中的应用

采用BP神经网络和逐步线性回归两种模型,以2014—2017年汕头市金平环境监测子站的6种污染物质量浓度以及同期汕头市国家基准气象观测站37类地面气象观测数据为预报因子,对该站O3最大8h质量浓度进行预测。结果表明:两种预报模型在历史数据拟合效果上并不存在明显差异,总体上冬春季的模型拟合度高于夏秋季。在2017年7和12月2个独立样本的预报效果检验中,BP网络模型预报准确指数(d)分别比回归模型高10.4%和0.8%;BP网络模型预报级别准确率(TS)分别比回归模型高12.9%和3.3%。BP网络模型无论在预报精度还是预报稳定度上均明显优于回归模型。夏秋季降水因子的影响常导致BP模型预报值出现正误差,冬春季冷空气南下的影响常导致BP模型预报出现负误差。     

饶平低温气候特征及预报系统建立

利用饶平气象站1956—2012年的气象观测资料以及国家气候中心提供的大气环流指数资料,分析饶平县低温气候特征,并分为低温寒冷型和低温阴雨型建立低温预报系统,结果发现:饶平县历年≤5℃低温日年平均日数4.0 d,主要出现在12月—次年2月,1月占48%,57年气候变化呈下降趋势,倾向为-0.089 d/年。饶平县历年低温阴雨年平均日数为5.9 d,近57年出现轻度低温阴雨年和重度低温阴雨年各占4成左右,中度低温阴雨年占2成,57年下降趋势不显著。对两种低温类型进行Mann-Kendall检验发现低温寒冷型突变点为1976年,下降倾向趋于明显为1987年开始;低温阴雨型突变点为1970年,下降倾向趋于明显为1999年开始。应用Morlet小波分析发现低温寒冷型存在5~7 a、10~12 a、准20 a周期;低温阴雨型存在5~6 a,10~12 a、准14 a、准20 a周期。使用主成份回归分析方法建立两种低温天气预报方程,低温寒冷型预报日最低气温预报拟合方程预测试验绝对残差平均为0.8℃;低温阴雨型预报低温阴雨年日数预报拟合方程预测试验绝对残差平均为2.1 d。基于Visual Basic语言开发饶平县低温天气预报系统,低温寒冷型预报次日最低温度并与寒冷预警信号关联,低温阴雨型预报次年低温阴雨日数并与低温阴雨年景强度关联,目前该系统已投入使用且效果良好。     

乌苏市春季霜冻预报方法的初步探讨

利用乌苏1961—2010年逐日最低气温资料、1991—2012年春季3月15日—4月30日期间霜冻日及其前一日常规气象资料,运用相关分析法和多元线性回归法,建立了乌苏春季霜冻预报方程,用该方程对1991—2011年的霜冻历史资料进行回报检验,拟合率为82.1%,对2011—2012年的霜冻进行试报,拟合率达87.8%,效果较好,可以在乌苏地区的霜冻预报业务中试运行。     

石河子春季终霜冻的灰色预测

利用石河子历年春季终霜冻的出现日期，运用灰色系统理论的季节灾变预测方法，对石河子未来年份的终霜冻进行预测，并建立灰色季节灾变GM（1，1）预测模型，预测1994年终霜冻的出现日期在4月15日左右，与终霜冻实际出现时间（4月13日）基本相符。     

灰色动态GM(Gray Model)模型在秋绵雨预测中的应用

本文利用灰色动态(GM)模型,对秋绵雨进行动态建模.根据秋绵雨发生的时间及气候变化特点,分别建立各时段预报模型,实现秋绵雨中长期动态预测,其拟合效果和试报结果较为理想,具有较强的实用性.     

广西甘蔗产量年景的GM(1,1)的超长期预测

本文应用灰色系统理论GM(1,1)的建模方法和回归分析方法,建立了广西甘蔗产量年景的超长期预测模型,预报的效果是令人满意的。     

灰色动态GM（Gray Model）模型在秋绵雨预测中的应用

本文利用灰色动态(GM)模型．对秋绵雨进行动态建模。根据秋绵雨发生的时间及气候变化特点．分别建立各时段预报模型．实现秋绵雨中长期动态预测．其拟合效果和试报结果较为理想．具有较强的实用性。     

聊城地区旱涝年灰色预测模型

根据灰色系统理论,以聊城地区年降雨量为例,用GM(1、1)模型来模拟和预测旱涝年,预测了该地区旱涝年的出现时间,并得到了较理想的效果。     

夏季日峰降温电力负荷预测灰色模型及其应用

基于2017—2020年石家庄市逐15分钟电力负荷及同期气象资料,计算人体舒适度指标有效温度和温湿指数,考虑基准负荷存在周期性和增长性,提出采用灰色模型GM(1,1)并结合滤波法、相关分析等方法,建立日峰降温电力负荷与人体舒适度指标分段回归模型。结果表明:石家庄电力负荷具有明显的逐年增长趋势;剥离出的日降温负荷曲线呈“W”型分布;分别对模型进行一次、二次和分段函数拟合,对3种预测模型进行检验发现分段函数预测精度较高,平均相对误差在4.8%～5.2%,有效温度和温湿指数的分段函数误差在-10%～10%所占比例分别为88.1%和90.5%;考虑了温度、湿度和风速的有效温度较温湿指数的夏季日峰降温电力负荷预测模型预测准确率更高,回归模型分段点为26.2℃,对电网“迎峰度夏”时期电力调度具有参考价值。     

利用人工神经网络模型预测西北太平洋热带气旋生成频数

通过对60年(1950~2009年)北半球夏、秋季(6~10月)热带气旋(TC)频数与春季(3~5月)大尺度环境变量的相关分析,挑选出8个相关性较高的前期预报因子建立人工神经网络(ANN)模型,对2010~2017年8年夏、秋季TC频数进行回报,并将回报结果与传统多元线性回归(MLR)方法所得结果进行对比分析。结果表明,ANN模型对60年历史数据的拟合精度高,相关系数高达0.99,平均绝对误差低至0.77。在8年回报中,ANN模型相关系数为0.80,平均绝对误差为1.97;而MLR模型相关系数仅为0.46,平均绝对误差为3.30。ANN模型在历史数据拟合和回报中的表现都明显优于MLR模型,未来可考虑应用于实际的业务预测中。     

灰色GM(2,1)模型在气温和降水预测中的应用

根据灰色系统理论,选取四川省部分站点五十多年年平均气温和降水资料,通过对资料长度及资料本身预处理,用GM(2,1)方法进行建模和预测,与实际值比较后得出了一些对预测模型的评价,为利用灰色系统建模法进行气候长期预测进行了有益的探索.     

一种优越的统计预报法——介绍一致拟合率法

本文所介绍的一致拟合率法,是在吸收了0、1权重回归和权重集成等统计学方法优点的基础上而引入的一种新方法。该法解决了同商值(不同比)因子应配有不同权重的问题;并采用计算单(或组合)因子可靠度大小来引入因子,组建0、1化一致拟合率方程,收到类似回归的预报效果。通过在 MOS、PP 法和经典统计预报中检验和使用,证明用一致拟合率法比0,1权重回归法所建方程的试报准确率平均高8—20%。