时间序列与多元统计分析专题讨论会

为交流近年来统计气象预报的学术成果,了解国际动态,中央气象局气象科学研究院于1980年12月25—29日在西安召开了“时间序列与多元统计分析”专题讨论会。出席会议的有63人,共收到了85篇材料。会议的材料大体上反映了七十年代后期我国统计气象学的水平。会议报告大致分五个方面,即多元分析新方法,预报应用与效果分析,时间序列分析,多元分析的应用,统计-动力与天气-统计预报等。 时间序列分析是由分析变量的历史记录,寻找其自身演变规律,从而作出未来的预报的。会议上,着重介绍和讨论了七十年代以来发展的Box-Jenkins方法,如构造自回归(AR)模型、自回归滑动平均(ARMA)模型,自回归求和滑动平均(ARIMA)     

基于Bayes准则的时间序列判别预报模式

根据Bayes准则下的多元线性判别分析和时间序列的线性自回归模式,本文提出一种时间序列的判别预报模式。该模式采用两种不同的变量筛选方案,对于气象时间序列的数量记录,由过去的记录判别未来记录的趋势(如正负距平、旱涝等)。在一定的自相关结构下,其判别效果较好。文献[1—4]曾论述用(0,1)两值时间序列建立AR(p)模式,但AR(p)模式有其局限性。将时间序列与多元判别分析结合,建立时间序列基础上的判别模式,用以往各时刻变量作为线性判别因子对未来各时刻的变量取值类型作出判别,既可保留时间序列线性模式的优点,又可利用多元逐步判别筛选因子的计算方法。从气象状况演变的物理机制来看,考虑前期状态演变比单纯考虑前期某一时刻的状态更有意义。     

论变量的相关性在组合因子时的作用

当用统计方法作预报时,遇到的第一个问题是选择能表示所研究现象特点的预报因子。这些因子的选择应决定于所研究过程的物理模型和它的专门特点。统计学上有一些专门的定量判据来衡量这些预报因子的优劣。这就是相关系数或马氏(MAHALANO-BIS)距离等。但很少涉及到预报因子相关性的作用。本文探讨变量相关性在选因子时的作用,指出在少数情况下,不独立变量的组合会比独立变量组合更有利,给出了判别标准。解释了为什么经验使我们认为独立变量的组合比不独立变量的组合有利,但这又不能是普遍适用的规则。本文还用实例证实了在选因子时,合理地考虑变量相关性的作用是有利的。     

基于动力统计模型重构的副热带高压中长期预报

基于T106数值预报产品500 hPa位势高度场序列,用EOF方法对位势场序列进行时、空分解,在考虑相邻时段位势场空间模态基本稳定的前提下,引入动力系统重构的思想,以EOF分解的空间模态时间系数序列作为动力统计模型变量,用遗传算法全局搜索和并行计算优势,进行了模型参数的优化反演,建立了EOF分解的时间系数的非线性预报模型。通过模型积分和EOF的时、空重构,实现了副热带高压活动场的中长期预报。试验结果表明,在短期预报(1—5 d)该模型与T106模式的预报效果大致相当;但对于中长期预报(≥5 d),其预报效果优于T106预报产品;特别是10 d以上的预报结果对副热带高压的形态和范围仍然能较为准确地描述。该研究方法对副热带高压等复杂天气系统和要素场预报提供了一种新的思路。     

数值预报传真图再分析在台站业务预报中的应用

一、引言 数值预报传真图在基层台站的推广应用已经有5、6年了,通过这些年的实际应用,提出了如何提高数值预报传真图使用效果的问题。数值预报传真图再分析(以下简称“再分析”)就是途径之一。 对于基层台站来说,“再分析”是指预报员运用天气学、数值预报、动力气象学和经验,对数值预报传真图进行再加工、再分析、再诊断,以提高地方天气预报的水平。 二、“再分析”的必要性 1.对于数值预报产品的统计解释方法有很多,例如MOS和PPM等。这些方法现已推广到基层台站,成为有效的客观天气预报     

我国东半部汛期降水的客观分区

大范围的降水预报对于国民经济建设,特别是对于农业和水利有重大意义。近年来,短期降水预报已经逐步使用客观定量的方法。(主要是数值预报,统计预报和统计动力相结合的方法。)中央台预报组于1976、1977两年,试用多级逐步判别的方法,进行短期(24和48小时)大范围分区、分量级的降水预报,取得了一定的效果。但在工作中也发现了一些问题。例如:降水区域的划分、目前仍是按经验主观划分的;降水量级的划分、是按气象台业务预报的标准划分的。这些划分的区域,等级的标准,不能完全反映客观情况。从统计     

相似-动力模式的由夏季报冬季的季节预报试验

近些年来,世界上接连不断地发生大范围持续性的气侯异常,给许多国家带来严重的灾害和经济损失。长期(月以上)天气预报愈来愈受到重视,但预报所使用的都是统计及经验的方法,预报准确率低,且无明显的改进趋势,人们寄希望于动力学方法的长期数值天气预报。目前一般用大气环流模式(GCM)和距平模式作月预报,已取得一定进展,但季节预报比月预报困难更多。由于长期预报的对象是统计平均值,将动力和统计方法结合起来是进行季节预报的一条有希望的途径。多年来的统计长期预报已积累了不少经验,但人们还没有能够在动力学方法的预报中考虑这些经验。黄建平等在这方面进行了一些探索,建立了一个动力与统计相结合的相似-动力季节长期数值预报模式,并进行了月预报和由冬季预报夏季的隔季预报试验。本文利用该模式进行了8年由夏季预报冬季的隔季预报试验,结果表明模式具有一定的季节预报能力。     

渭南市长期预报业务系统

系统是为地市气象台开发的长期预报业务软件 ,由数据库模块、气象要素的时间序列预报模块、关键农事季节预报模块及统计预报方法制作模块 4部分组成 ,将预报结果采用“多元决策加权法”进行集成 ,得出最终的预报结论 ,还可以用相关分析、点聚图等方法选取因子 ,建立统计预报模型     

中国近30年来气象统计预报进展

近30年来，多元统计分析方法有了长足的进步，涌现出不少新方法、新技术。文章着重介绍了近30年来气象统计预报在中国气象业务科研中的一些应用和发展，主要从多元统计分析和时间序列分析上来选材，将非统计意义的模糊集方法、人工智能(人工神经网络等)、灰色系统、车贝雪夫多项式展开等也归入到统计方法中。另外，近年来气象界用得较多的卡尔曼滤波、分形、分维等也被涉及。     

车贝雪夫多项式在天气预报中的应用

一、引言近年来,时间序列方法有了很大的发展,由于车贝雪夫多项式既有标准图形又可用于不规则格点,因此在气候分析和天气预报中得到了广泛的应用.人们一般以展开高度场或要素场求车贝雪夫系数进行气候分析,再经过其它统计方法做预报.本文直接用车贝雪夫多项式展开要素序列进行外延预报,取得了比较满意的效果.     

农业气象预报方法的发展

在农业气象预报中,新的动态-统计预报方法的发展是与光合作用数值理论的建立和作物产量波动的科学研究工作所取得的成就分不开的。农作物产量的动态-统计预报方法是以农业气象条件对作物的光合生产力影响的模拟、产量波动的时间序列规律的研究以及统计预报方法和动态预报方法的合成为基础的。这方面的理论研究分以下三个主要阶段     

长期天气预报中的多层递阶预报方法

一、问题提出 统计预报是当前长期天气预报的主要手段之一。常用的古典统计方法包括:回归分析、判别分析、方差分析、时间序列分析i等。对于预报量y,选取s个预报因子x_i(=1,2……s),建立预报方程。     

月预报的现状与前景

月天气预报是最迫切和最复杂的自然科学问题之一。目前,虽然有关地球上及近地空间中的物理过程的知识已经大大扩展,气象情报的数量和质量也有了明显增加和提高,但月预报的水平还是不能满足国民经济对其日益增长的需要。这特别表现在一些气象要素极值的预报方面,因为这些极值预报所提供的信息,对于社会经济活动有着非常重要的意义。在各类预报中,一般说来,月预报的正确率最低,这就妨碍了人们在事先估计到天气条件的情况下选择经济建设的最佳方案。正如莫诺克罗维奇     

差分法在自变量选择中的作用

一、引言在统计预报中,如何选择自变量是首先要遇到的问题,而自变量选择的优劣,又直接影响预报效果,因此,就显得十分重要。对于自变量的选择,已提出不少准则和方法。相关分析则是普遍应用的一种方法。然而在实际应用中不难发现,有时自变量和预报量之间虽然都具有较高的相关系数,但以它们所建立的预报模型其预报效果有时并不理想,造成这种情况的原因很多,其中一个不能忽视的原因是:根据相关系数的大小来选取自变量,忽略了那些虽然与预报量之间相关系数较小,但其中一些自变量与别的自变量的配置作用对预报量的     

气象学中概率论与统计学的新发展

本文分随机-动力预报、观测资料的同化(assimilation)、时间序列分析、统计天气预报、概率预报以及统计在人工降水试验研究中的应用等六个方面介绍统计气象学的新发展,并且指出各个方面所存在的一些问题,特别指出需要多学科共同解决的课题。     

当前台站在数理统计预报上的主要问题及其分析

近十年来,我国台站普遍开展了统计预报,主要是把多元分析和时间序列应用于天气预报、资料分析、农业气象,取得了一定的成绩。但是,基层台站在开展应用上已经几起几落,有人认为统计预报方法“不能用”,有人认为“不好用”,有人觉得“用不好”。实际上,我们基层台站在统计预报方法的应用上也确实存在不少问题,如不很好解决,势必影响使用。今后开展模式输出统计预报(MOS),数理统     

评美国的长期天气预报

1.引言人们对于长期天气预报存在着相当混乱的认识。这些认识不仅仅是对于预报的质量和方法,而且对于包括哪些天气要素能够预报或可以预报,能够预报到怎样具体的程度等基本问题。问题提到:长期预报是一门科学?一种技艺(art)?或二者兼备,其原因可归纳如下:(1)可参阅的统计材料少得可怜,以致难以表明其预报技巧;(2)这个学科还不能算是严密的科学,它当前还得要人与机器相结合工作,包含着天气学经验和主观性;(3)社会上有一批牛皮匠,他们说到的远远超过他们能够做到的。本文的目的是通过介绍一些现行方法帮助澄清这些争论,这些方法在性质上基本上是天气学的,但包含有统计学的和物理学的概念。虽然本文着重讨     

关于数理统计预报中的独立性问题

多元相关预报往往要求各预报因子之间相互独立,预报因子同预报量之间相关性要好,这就是说,独立性的概念在统计预报中占有相当重要的地位。 然而,目前所看到的一些气象统计预报工作,对独立性这一概念阐述不够明确;对相互独立和不相关有些混淆;对于用相关系数r判断独立性的局限性及改进办法,都讨论得很少。本文仅就这几个问题加以讨论,希望能对数理统计预报的理论基础及实际应用,都有所俾益。     

MOS预报课题中的非线性因子处理

一、数值预报产品的一些特性了解和熟悉数值预报产品的各种特性,针对这些特性采用一些合理的概率统计方法,是搞好MOS预报的一个重要环节。几年来在数值预告产品的应用过程中,预报员积累了不少经验。如日本数值预告图FXFE782中,一定位置的垂直速度ω与本地12小时降水有着较好的相关关系。一般说来,     

MSSA-SVD典型回归模型及其用于ENSO预报的试验

文中提出了一种基于多通道奇异谱分析 (MSSA)的广义典型混合回归模式。其基本思想是 ,利用MSSA SVD提取预报因子场和预报变量场的显著耦合振荡信号 ,对它们的前几个显著典型分布型建立多元线性统计气候预报模式。经对Nino海区各季海温距平所进行的短期气候预测试验表明 ,其预报效果优于其它统计预报方案 ,从而为探索ENSO预测方法提供了一种新的思路