海南岛冬季平均气温的多层递阶自回归长期预报模型

使用海南岛冬季平均气温资料,根据动态系统预测的理论,选用层递自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。     

影响海南岛热带气旋的多层递阶周期分析长期预报模型

使用历年影响海南岛的热带气旋个数作资料样本,在经典多层递阶预报模型的基础上引进多层递阶周期分析,在时间序列自身周期显著的情况下,使用时间序列的显著周期分量取代经典模型中的自回归部份,建立影响海南岛热带气旋的多层递阶周期分析长期预报模型,合理地反映热带气旋影响海南岛的变化规律,提高预报的准确率。     

用多层递阶自回归模型作月降水和气温预报

采用多层递阶自回归数学模型，对泰安各月降水量和平均气温进行定量预报，通过１９８８─９３年的实际应用，大部分月份的降水量预报及气温预报，准确率较高。证明该模型实用性较强。     

多层递阶周期分析

针对经典多层递阶预报方法的某些不足,提出了一种改进的多层递阶预报模型——多层递阶周期分析。它使用时间序列的显著周期分量取代原模型中的自回归部分,使其更合理地反映气象要素自身的演变规律,有效地提高了预报精度。     

多层递阶预报模型的一种改进方案

本文针对气象要素与其过去的数据自相关程度一般都较差,而与其自身的显著周期分量却存在较高的线性相关关系的特点,提出了一种改进的多层递阶预报模型。它将多层递阶方法与逐步回归双重分析相结合,用显著周期分量取代经典多层递阶预报模型中的自回归部分,使之能更好地反映气象要素自身的历史演变规律,从而稳定其预报效果。     

黑龙江省冬季平均气温的多层递阶长期预报模型

本文通过对冷暖冬年长期天气过程的初步分析,以实际预报验证效果比较好的相关因子为输入变量,运用文献[1]提出的多层递阶预报方法,对冬季平均气温进行了长期预报,取得的效果较为满意.     

多层递阶回归分析法在全国初夏雨量预测中的应用

在传统统计方法的基础上,引入多层递阶方法。将多层递阶方法与回归方法合二为一,作为新的预测方法尝试,以弥补常规统计方法中回归系数是常数的不足。将多层递阶回归方法应用于短期气候预测,建立多层递阶回归模型,并用全国160个气象站5月份雨量作预报试验。经过近2a的实际预报表明：该模型对华中、华东、两广大部、云贵高原大部的5月份雨量有较好的预报能力,具有一定的参考价值。     

西太平洋夏季副高积分多层递阶长期预报模型

本文综合了积分回归分析和多层递阶预报方法的优点，构造了一个副高特征量积分多层递阶长期预报模型，试报的结果是令人满意的。     

试用多层递阶预报方法做夏季降水量预报

天气预报的多层递阶方法是运用现代控制理论中的系统辨识方法提出的一种新的数值预报方法。我们在过去工作的基础上选取六个有天气学意义的相关因子,采取仅考虑预报因子部分的多层递阶方法试作夏季降水量预报,效果较好。此外,与一般线性单输出模型、仅有自回归部分的线性单输出模型及多元回归进行了初步比较,提出一些看法。《天气预报的多层递阶方法》是运用现代控制理论的系统辨识方法,它将天气系统看成是随机动态的时变系统。从系统的外部特征着手,建立其输入-输出模型,并进行多层分析和多层递阶预报。现将我们用这种方法预报夏季(6—8月)降水量上所做的工作介绍如下:     

带有回归系数的多层递阶预报模型

本文针对经典多层递阶方法所存在的缺陷,提出了一种改进的多层递阶预报模型。它的基本思想是将回归分析与经典多层递阶方法相结合,使之有效地消除了因子间量值差异所引起的贡献差异,较好地体现了高相关因子的重要作用。实例计算结果表明,该改进方案的预报精度有显著提高。