“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。     

因子交叉影响对降水预报的作用

本文针对预报量(降水)与预报因子之间的非线性特点,增添了幂函数型和交叉乘积型预报因子,同时采用“两段筛选”方法建立MOS判别方程。业务预报试验结果表明:它的击中率达87.5％,Hedij技巧得分为0.34,特别是对大—暴雨的预报能力明显提高。这对一般统计与MOS天气预报具有普遍意义。     

贡献法Ⅲ

贡献法Ⅲ是一种新型的“0,1”化因子筛选方法,它吸取了贡献Ⅰ、Ⅱ的非线性组合的特点,也吸取了百分差法考虑两档预报能力之差的特点,方法简单,其效果等价于“0、1”化相关系数法,现简介如下:     

多因子相关综合预报方法

对于某月(季、旬)降水量(R)的预报,较为广泛地是寻求与预报量存在一定关系的多种相关因子。用特定的方法进行处理,使得比较客观地得出预报结论。这就是“多因子相关降水预报方法”。这种方法对相关的多因子的处理有多种形式,这里介绍两种处理“多因子”相关预报方法,具有比较计算简单、客观,并能对相关因子加以筛选和加权处理,能比较直观地反映出预报结果。     

预报青岛9—11月降水的“MOS”方法

一、基本思路 根据天气学原理和预报员的经验进行天气分型,每型下由数值预报输出产品、天气实况资料选取预报因子,并利用点聚图、多因子组合做“线性化”处理,进而建立“MOS”预报方程。这是把天气学方法,数值预报(其中包括完全预报和“MOS”预报)、人的经验结合起来,取各方之长,融为一体的方法。     

用500hPa环流相似作兴安盟夏季降水量预报

计算兴安盟夏季降水量与前期 5 0 0 h Pa月平均高度相关系数场 ,分析其相关关键区 ,筛选出一批相关系数值较高的关键区域作为预报因子 ,根据预报年因子与样本年因子的接近程度 ,作相似离度计算 ,以相似离度度量 ,进行选相似作预报。从而得出夏季雨量预报。在 2 0 0 1年夏季短期气候预测中应用 ,效果非常好     

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…     

一种改进的考虑环流特征的MOS预报方法

利用一种可以考虑天气环流形势场特征的MOS预报因子处理方法进行预报因子的处理,以T106L19模式的预报产品为基础建立云南省32个基本站点的降水和气温预报方程,并与不考虑天气形势场的因子所建立的MOS方程的预报结果进行对比。结果表明,MOS预报的结果对预报因子的变化很敏感,在考虑天气形势后的MOS预报对云南各站点的降水和气温的预报效果均有显著的改进,说明MOS预报因子的处理方法和选取对改进MOS预报效果具有重要的意义。     

HLAFS资料在短期降水、气温MOS预报方法中的应用

通过对HLAFS资料建立的5~9月夏半年气温、降水方程中所选的因子进行统计整理,找出使用频率最高的因子。气温方程中所选的因子,24 h气温预报方程中以24 h前的因子多;而48 h预报方程中多选24 h后的因子,实况因子选中的几率大,与预报员的思路一致。降水方程中,因子辐散风选中的最多,其次为Q矢量散度和涡度。利用“1999.7.4”庆阳大到暴雨个例,对方程中使用最多因子的实时场和预报场进行了分析,所选因子有较明确的物理意义,为以后MOS预报降水因子的选取提供了参考依据。     

用PC——1500袖珍计算机筛选统计预报因子的几种方案

无论是经典统计预报方法还是动力一统计预报(MOS,PPM等)方法,筛选预报因子都是一个重要步骤。下面是用PC-1500袖珍计算机筛选预报因子的几种方案。这几种方案,在输入预报量的观测值及筛选因子的标准后,只要将待选的各个可能预报因子的观测值依次输入,即可初选出符合指定标准的预报因子,并可给出供进一步筛选因子和建立预报方程的有关统计结果。     

“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。     

基于MM5模式的站点暴雨预报方法研究

基于对MM5模式输出产品的解释应用,建立了站点定量的暴雨MOS预报方法。从临沂中尺度数值预报模式产品中挑选x1（模式预报降水）,…,x12（沙氏指数）等12个模式产品和物理诊断因子为基本可能预报因子,又添加它们自身的非线性型xi^2xi^3,xi^1/2,1nxi,e^xi（i=1,…,12）和各因子间非线性交互作xixj（i=1,…,11,j=i＋1,…,12）型的126个可能预报因子。用非线性逐步判别做晴、雨二级判别,然后对雨型样本做逐步回归,得到暴雨的MOS预报方法。检验结果表明：该模型对暴雨有较强的预报能力,可应用于实际预报业务中。     

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。     

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。     

局地二分类MOS方程的预报稳定性检验

MOS预报方法主要是从数值模式输出的形势预报和物理量预报资料中筛选预报因子,建立统计预报方程,制作气象要素预报。由一定的样本资料建立的MOS方程,有的预报效果与拟合效果无多大差别,有的预报效果显著低于拟合效果,这就是MOS方程的预报稳定性问题。一个MOS方程,如果预报效果与拟合效果差异不显著,就认为方程的预报性能稳定。如果预报效果显著低于拟合效果,则认为方程的预报性能不稳定。下面介绍一个判断三分类MOS方程预     

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     

分县逐日滚动MOS预报模式研制及其应用

本文介绍了江苏分县逐日滚动1－5天时效的MOS预报的研制，包括降水的概率MOS法和量级MOS法，预报量设置、季节分型和样本选择，因子的构造及其加工，概率统计模型的选择及其因子预选、筛选。最后介绍了MOS工具在省台MICAPS平台上的业务应用及其效果。     

我局科研成果在实际工作中收到效益

遵循气象工作“准确及时、优质服务”的宗旨和“科研工作要面向生产第一线”的方针,我局气象业务人员刻苦钻研,努力工作,今年以来通过技术鉴定的几项业务科研成果初步到收到业务效益和社会效益。 1.科教处下达的,薛荣康、张廷房、白先达等同志承担的“APPLE—Ⅱ微机气象常用软件包”“短、平、快”课题,5月通过设计鉴定。至今,该成果已部份投入业务使用: (1)预报业务:MOS预报系统程序 (包括单相关初选因于,相关稳定筛选因于,逐步回归建立预报方程)已用于业务。目前,业务科正在应用这一系统作全地区春播期MOS预报试验,     

B模式产品在冰雹预报中的应用

B 模式对环流形势的预报能力已有相当的水平,十六个物理量预报对重大天气的发生也有较好的指示性。它为气象台站“以数值预报为基础,综合运用动力统计、天气学等方法,开展地方 MOS 天气要素预报”提供了比较可靠的信息。许多应用实践证明,“模式输出统计预报是目前比较先进、科学和有效的方法。试验推广 MOS 方法是预报客观化、定     

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