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。     

预报因子选取及方程建立人机交互平台

利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。     

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:     

用逐步回归模型预测肇庆市汛期降水

用逐步回归方程对肇庆6县(市)分县汛期降水做预测，选取北半球500hPa高度场和太平洋海温场的若干个主分量作为因子(共1748个)。这些因子包含着气候背景场的主要信息，通过对预报量和预报因子群的相关筛选，选取相关系数最大的因子建立逐步回归模型。结果表明：所建立的预报方程的复相关系数高，对肇庆汛期降水预报效果好。     

复共线性关系对逐步回归预报方程的影响研究

针对气象预报中常用的逐步回归预报建模方法,由于没有直接考虑筛选出的预报因子之间可能存在复共线性关系会影响气象预报方程的预报性能问题,提出了在初选的大量气象预报因子(自变量)中,采用条件数计算分析方法,选择复共线性关系小的预报因子组合建立预报模型的方法.以重要气象灾害的预报难点--台风预报为例,用大样本分别建立了12个台风移动经度、纬度的条件数预报方程和逐步回归预报方程.对比分析结果表明,由于条件数计算分析有效控制了预报因子间的复共线性关系,因此,在相同的预报因子(自变量)和预报对象(因变量)条件下,分月建立的条件数台风移动路径预报方程,虽然历史建模样本的拟合精度略低于逐步回归预报方程,但是对独立样本的预报精度明显提高,其中7、8和9月条件数预报方程的预报误差平均为153.9 km,而相应的逐步回归预报误差平均为229.2 km,两者相差75.3 km.进一步研究发现,在F值分别取1.0、2.0和3.0的情况下,建立的台风移动路径的逐步回归预报方程,其预报误差也明显大于条件数预报方程.另外,由于预报因子组合的复共线性的影响,逐步回归方程还出现了在个别点预报误差极大的不合理情况.     

南疆西部地区及主要台站夏季降水客观预报方法的制作

选取实况资料、经验因子、ECMWF 因子,采用逐步回归方法,建立喀什、和田、阿克苏地区及主要气象台站夏季降水客观预报方程。结果表明,方程拟合率高于主观预报准确率,可为今后的业务工作提供参考。     

用时间权重系数作组合因子建立预报倒春寒的逐步回归方程

用自然正交展开的方法,求出各个样本的时间权重系数,并把它作为组合因子来建立逐步回归方程.这样建立起来的方程中所引入的预报因子——时间权重系数,是一个携有全部参加自然正交展开的前期因子信号的组合因子.由这样因子构成的逐步回归方程,可以期望较一般因子或人为组合因子所构成的逐步回归方程有更客观、更理想的预报效果.     

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。     

条件数在区域日降水量预报中的应用研究

针对前汛期广西北部暴雨洪涝灾害频发的问题，利用T213模式和日本细网格降水预报等数值预报产品，采用条件数计算选取回归因子的方法建立广西北部区域平均降水量的预报方程。进行了2004、2005年两年5-6月的前汛期业务预报应用试验。采用条件数方法建立的预报方程和传统的逐步回归预报方程的平均预报误差分别为6．3569mm和7．0096mm，同期T213模式的预报误差为7．9456mm。试验表明新方法比传统的逐步回归方程和T213模式具有更高的预报精度，有较好的业务应用前景。计算对比可知，采用条件数计算选择的预报因子间的复共线性较微弱，而逐步回归方法选择的因子间的复共线性很严重，影响了回归方程的预报效果。     

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。     

论最优预报因子与最优预报方程

本文根据预报量与预报因子关系的实际情况,提出了预报因子的四种类型,并且利用最优化方法原理选取最优的预报因子,同时还利用强迫引进重要因子的办法选取最优预报方程。从实例计算证明,最优预报因子基本上是非线性的,所以用逐步回归或逐步判别方法建立的预报方程也是非线性的,并且还证明,非线性预报方程比线性预报方程效果有明显的提高。本文最后还指出,此种非线性预报方法可推广到各个领域有关多元分析的定量和定性预报工作中去。     

广东省冬季逐日最低气温的预报方法

为了能结合数值预报产品做好广东省逐日最低气温的预报,利用1998~2007年冬季(11月~次年2月)美国NCEP/NCAR再分析资料和常规气象观测资料,选取20°~27.5°N,107.5°~117.5°E区域内的海平面气压、850 hPa温度、850 hPa相对湿度、850 hPa纬向风(u)、850 hPa经向风分量(v)和500hPa位势高度等6个要素作为预报因子,以韶关、梅州、广州、阳江、汕头等5个站分别作为广东5个部分的代表站,采用能选取"最优"因子的逐步回归方法建立5个代表站的11月~次年2月逐日的最低气温预报方程,并对预报方程进行检验。结果表明:采用逐步回归预报方法建立的广东省5个代表站的逐日最低气温预报方程具有一定的预报能力,但也存在预报结果比实况偏低的不足。     

闽北烤烟移栽期的预报

用对比分析和相关分析相结合的方法选取预报因子,分析得出移载日期与前期冷空气活动有关,且冷空气活动存在一定韵律关系。用逐步回归建立的预报方程效果好,且对移栽期特迟和特早有较好的预报能力。     

用深层地温资料建立多元非线性回归方程预报韶关站前汛期降水量

利用非线性逐步回归方法作韶关市前汛期降水量趋势的预报。在回归方程中考虑将预报因子采用多项式拟合逼近预报量，经过逐步剔除之后，选入具有较高相关显著性的非线性因子进回归方程，从而建立一个简单的多项式逼近预报量。从预测值和实测值比较来看，非线性多元回归方程预报效果还是不错的。     

闽北烤烟移栽期的预报

用对比分析和相关分析相结合的方法选取预报因子,分析得出移栽日期与前期冷空气活动有关,且冷空气活动存在一定韵律关系。用逐步回归建立的预报方程效果好,且对移栽期特迟和特早有较好的预报能力。     

用双重分析方法作寒露风初日长期预报

一、引言 通常的逐步回归分析预报方法,是选取一些与预报对象有一定相关性的前期因子,进行逐步回归建立预报方程的。而作历史气候条件分析时,往往使用周期分析方法分析气候要素的变化规律。这两种分析方法刚好说明了两方面的问题:一是气象要素的变化受到各种前期因子的支配;二是气象要素自     

逐步回归双重分析及其在长期天气预报中的应用

本文针对多元分析和周期分析各自存在的缺陷,提出了一种新的统计预报方法——逐步回归双重分析方法,它利用逐步回归技术将因子筛选和周期分析有机结合,并反映在同一预报方程中。 本文以金华市5月份降水量长期预报为例,进行了初步的分析和尝试,表明该方法与多元分析和周期分析比较,其拟合误差与预报误差均较小,预报效果稳定,对长期天气预报有较好的实用价值。     

典型相关分析在台风路径预报中的应用

本文通过对500hPa上的五个因子场分别与台风中心未来48小时和60小时经纬度的预报量场进行典型相关分析,求出由各因子场组成的典型变量,以此作为预报因子,再结合经实践证明预报效果较好的天气学经验因子,用逐步回归方法建立台风中心未来48小时和60小时的路径预报方程。通过对历史样本的拟合和实际试报,表明该方程的预报能力有明显的提高;典型变量权重系数的地理分布与因子场的天气学意义基本吻合。      

南宁市温度预报的动态因子逐步回归方法研究

利用2005年5月到10月份的数值预报产品的客观分析场、南宁市单站温、压、湿等资料，尝试选取前期一定时间内的最优预报方程，建立未来南宁市24h、48h、72h最高、最低气温的动态因子逐步回归预报方程。通过对今年8、9月份的预报试验，24h平均误差是1．13℃，48h为1．20℃，72h平均误差达1．20？C，结果证明该方法预报能力的可参性很强。     

影响广西的热带气旋年频数的BP神经网络预测模型

对影响广西的热带气旋(TC)年频数与大气环流的关系进行分析表明,TC年频数与全球范围大气环流异常有密切关系,特别是春季南半球中高纬度环流异常和低纬越赤道气流异常.利用相关分析从春季全球大气环流场中选择初选预报因子,然后对初选预报因子作EOF展开构造综合预报因子,运用BP神经网络方法建立TC年频数预报模型,并对所建立的模型进行独立样本试验.结果表明,该预报模型对历史样本拟合精度高,试报效果优于传统的逐步回归模型,可在汛期预测业务中应用.