非线性多元样条回归预报模型

针对异常复杂的非线性预报系统，提出非线性多元样条回归预报模型。该模型既保留了线性统计预报中多元分析，逐步筛选预报因子及显著性检验的理论和方法，又吸取了样条函数分段拟合，按需要裁剪以适应任意曲线连续变化的优点，具有处理复杂非线性预报系统的功能。试验结果表明，该模型具有良好的模拟和预报能力，值得进一步深入探讨和应用。     

南海热带气旋强度预报的线性模型与非线性模型研究

以1980—2012年共33 a的6—10月在南海生成或西行进入南海海域的热带气旋样本为基础,采用线性回归方法和非线性人工神经网络方法,分别进行12～72 h各个预报时效的南海热带气旋强度预报模型建模研究。根据相同的热带气旋个例,相同的预报因子,将逐步回归预报模型、BP神经网络预报模型和遗传-神经网络预报模型进行比较。试验预报结果表明,非线性的神经网络预报模型比线性的回归模型有更好的预报能力;而同为非线性模型,遗传-神经网络模型比BP神经网络预报模型预报能力更强。      

对回归分析的因子问题的探讨

对回归分析中的因子问题作了一些探讨,认为对预报因子进行相关稳定性检验后,选取相关稳定或相关系数呈上升趋势的因子建立回归方程,预报效果较好.一些非线性函数,经过适当的变换可化为线性函数,通过这种变换,一些曲线回归问题可以用线性回归进行处理,用来预报效果较好.     

近邻估计—线性回归预报模型及其台风暴雨预报试验

讨论了回归分析领域中线性回归和近邻估计的主要特性。在此基础上推导设计了一种能取其优点和避免其缺点的预报模型——近邻估计与线性回归相结合的预报模型,并把该模型试用于台风暴雨预报。试验结果表明,它的预报准确率和预报稳定性均优于它的原型——近邻估计和线性回归模型。     

支持向量机方法在山东山洪地质灾害预报中的应用试验

用支持向量机(SVM)方法根据T213数值资料和济南、淄博、泰安、莱芜4站的降水实况资料对山东山洪灾害多发的鲁中山区进行了降水分类预报试验。结果表明:多项式核和径向基核函数建立的模型较好地提炼了降水信息,都具有很高的预报技巧,客观性和实用性强,有很强的推广能力;用径向基核函数建的非线性降水分类模型优于用多项式核函数建立的线性降水分类预报,特别是资料减少时,非线性降水分类预报明显优于线性降水分类预报;低层大气湿度可能对线性降水分类有重要影响;建模时用的资料数据格式与实际业务中获得的数据格式应尽量保持一致。     

主分量分析在热带气旋强度客观预报中的试用

为了解主分量因子分析在热带气旋强度客观预报中的应用效能,在NCEP再分析资料、T106L19模式产品和热带气旋历史观测资料基础上,采用主分量因子分析技术,结合多元线性回归和BP型人工神经网络,开展了西北太平洋热带气旋的强度客观预报技术研究试验。试验包含完全预报法原理下的预报因子有无主分量分析、线性与非线性预报方法建模等方面的比较。结果表明,预报因子的主分量分析通过降低线性回归和BP人工神经网络模型的维数,提高因子间独立性,可减小模型强度预报平均绝对误差,提高模型实际预报能力。     

相关比回归模型与线性回归模型对比分析

在日常的统计天气预报中,我们采用线性相关系数挑选预报因子,但实际经验告诉我们:某些预报因子与预报对象之间存在着明显的非线性关系。我们在国外提出的相关比计算方法的基础上,把近邻权方法引入到相关比计算中,以提高其估值精度,并提出相关比回归模型,把非线性信息引入到模型中。本文通过实际试验结果分析线性回归模型与相关比回归模型的优劣、不同近邻权参数对相关比回归模型拟合、使用的影响。     

非线性统计预报方法研究进展

从线性统计分析向非线性统计分析发展,从而逐步建立非线性统计预报方法,已成为统计学方法发展的方向之一。虽然非线性统计预报这些年来有了较大发展,但却缺少系统的介绍。作者将自己的研究成果及应用实例归纳整理,对非线性统计预报中参数计算基本方法,一个自变量时的统计预报模型,拟线性、半线性和曲线性预报模式,分段逼近模式,插值、距离、相似预报方法等作了系统介绍。并给出了各种非线性统计预报模型在气象预报中的具体应用实例索引。     

全球质量守恒准均匀经纬网格三次样条函数变换准拉格朗日积分方案与模拟个例

三次样条函数(样条格式)为二阶可导非线性格式,但样条格式线性部分是二阶导数中央差。本文在简谐波真解条件下,推导证明二阶导数中央差比一阶导数中央差的空间截断误差以及相速和群速误差均减少一倍。借鉴谱模式动力框架核心思想,高斯网格二维谱变换半隐式-半拉格朗日积分方案,研究准均匀经纬网格样条格式变换显式-准拉格朗日积分方案。引入原始大气运动方程,推导样条格式二阶时空离散准拉格朗日预报方程通式,得出静力守恒气压、气温预报方程,在经纬网格基础上,设计两种基本准均匀经纬网格,通过对压、温、湿、风及广义牛顿力(加速度)场做"经纬网格-准均匀经纬网格"三次样条函数变换,求得"水平双三次曲面+垂直三次样条"拟合上游点三次运动路径,用"匀加速"变率预报风场,进而求得一个时间步长平均"静力平流"三维位移散度场,并用它预报气压场增压和气温场绝热增温,从而实现全球静力质量守恒经纬网格三次样条函数变换显式-准拉格朗日积分方案,经初步积分试验,证明上述动力框架是可行的。     

基于统计降尺度方法的夏季降水精细化预报

利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好.     

中国西北干旱区年降水量非线性动力模式预测试验

利用中国西北干旱区 16个代表站年降水量序列 ,引入非线性动力模式对年降水量做了非独立样本和独立样本预测试验。对模式参数及非线性函数的选取做了一些改进和探讨。初步结果表明 ,模式能较好地拟合降水量变化趋势和具有一定的预测能力。预测效果优于自回归模式。     

基于支持向量机(SVM)方法的冬季温度预测

选取河南省5个代表站,分别代表河南省5个片,将气候预测中常用的74项环流特征量资料进行归一化处理,分别将其与5个代表站的冬季温度进行相关普查,在筛选预测因子的基础上,利用SVM两类分类和回归方法,建立河南各代表站冬季温度预测推理模型,用2000/2001~2004/2005年4年进行试报,结果显示SVM方法是处理非线性分类和回归等问题的有效方法,做分类和回归预测时,各代表站对应的SVM推理模型均具有良好的预报能力,且对温度预测SVM回归优于SVM分类。     

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。     

大气污染物非线性回归模型构建

本文基于重庆主城区（沙坪坝站）2014—2018年逐日同期同步观测的气象要素和环境空气质量监测数据进行分析。首先通过对不同大气污染物与各种气象要素进行相关性分析，剔除影响预报模型共性的气象因子，明确显著影响空气质量的气象要素；然后结合污染物排放、大气扩散过程和湿沉降作用机理；最后构建乘幂与线性叠加的混合模式的空气质量预报方程。结果表明：构建的非线性回归方程能较为真实地反映主要大气污染物与气象要素的相互影响关系，回归模型预报检验准确率高（预报评分达87.6）。     

银川河东机场小样本雷暴分类客观预报方法研究

利用2000—2016年欧洲中心再分析资料、探空及地面自动气象站观测资料,根据天气过程的强度和对应物理量,分别对银川河东机场雷暴伴随大风、降水等不同天气现象类别进行定量化转换,采用峰度偏度系数、χ~2以及Q-Q图3种方法对定量转换的数据进行正态性检验,结果表明:按天气现象分类的样本服从正态分布,未分类样本基本服从。利用逐步回归、多元回归、非线性回归、BP人工神经元网络以及支持向量机5种方法,分别建立了雷暴现象与强度预报模型。结果表明:BP网络以及SVM对天气现象的预报能力较强;分类逐步、多元以及非线性回归模型分别对弱雨、强雨以及大风和降雨同时发生的天气强度预报效果较好。并在此基础上通过最优分析设计了河东机场不同种类雷暴天气定性和定量预报相结合的业务系统。     

天津地区用电量与气温的非线性响应关系研究

利用门限回归模型和非线性滑动回归模型,分析天津市2014-2019年日用电量和气温之间的非线性关系,并计算得到不同响应关系下的阈值气温。结果表明：天津地区的阈值气温在不同响应关系下存在明显差异,在"V"型非线性响应关系下,阈值气温为18.8℃,在"U"型响应关系下,线性不对称模型的舒适区范围为12.3-23.4℃,非线性模型的舒适区范围为13.7-21.7℃;对比不同模型的预测效果,认为"U"型优于"V"型模型,非线性模型优于线性模型。对阈值气温的影响要素分析表明,相对湿度对舒适区与冷却区的阈值气温影响较大,阈值气温在相对湿度为30%-50%时较相对湿度为50%-70%时偏大2.2℃,相比之下,相对湿度对舒适区与加热区的阈值气温影响不大;天津地区阈值气温会随时间发生明显变化,2002-2005年的舒适区范围较2014-2019年偏大1.4℃。在实践应用中,应根据模型的需求,并充分考虑相对湿度和时间变化的影响选择阈值气温,从而提升用电量预测的准确率。     

基于EMD 和集合预报技术的气候预测方法

气候系统是典型的非平稳性系统,然而对于气候观测数据的处理通常是在时间序列平稳的假定下完成的,比如气温和降水的多步预报,这通常会导致预报准确度较低。为改进该缺陷,首先将非平稳数据序列分解成平稳的、多尺度特征的本征模态函数分量(IMF),再使用数值集合预报与逐步回归分析相结合的方式对每一个IMF 分量构建不同的预报模型,最后线性拟合成预报结果。通过Visual Studio 2008 开发平台使用上述方法建立了一个短期气候预报系统,采用广西区88 个气象站1957—2005 年的2 月距平气温数据进行实际验证。结果表明,相对于普通预测和单一预测方法,加入了EMD 和集合预报技术的方法在仅用历史资料进行多步预测的情况下,对于气候的变化趋势以及突发性气候具有更好的预报能力。      

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。     

利用非线性回归技术建立洛阳机场大风预报方法

利用2005-2008年洛阳机场200个大风天气个例,从经验和物理意义出发选取地面风速预报因子,然后对初选因子进行多种组合并同预报量作相关分析,确定了东、西风型各10个因子。根据各个因子在引入的线性和5种非线性函数形式下同预报量的相关程度,确定每个因子同预报量的最优函数关系,进而分别建立了东、西风型风速预报的多元非线性回归方程,再应用双重检验的逐步回归方案对方程进行优化,并将优化后的方程进行了检验,最后分析了影响风速主要因子的作用。结果表明:利用非线性回归方程对风速进行客观定量化预报,预报效果达到了民航气象对大风预报的质量要求,能够为实际工作提供参考;预报东、西风型风速的首要因子分别是气压梯度和变压梯度。