用模糊事件的概率变换进行非线性相关因子筛选

在统计分析中,非线性相关因子的处理经常采用初等函数变换的方法。即把自变量X和因变量Y通过一个非线性函数X＇=F(x)进行变换后,再计算X＇同Y的线性相关系数,但是,由于确定这种函数的计算工作量很大,而且事实上非线性关系很难用某一规则函数来表达,所以,有时效果并不理想。     

概率映射作因子非线性变换

对非线性因子的处理,一般的做法是通过寻找一个比较合适的拟合曲线函数,用这个函数来进行变换,对于二级预报问题,因子的变换还可以通过概率映射来进行。一、概率映射变换当预报对象为二级时,因子与预报对象之间的相关关系可以通过因子各取值区间内某一级预报对象出现的概率反映出来,因子各取值区间的概率形成一个序列,从这一概率序列的变化可以看出因子与预报对象之间的关系是线性的,还是非线性的。事实上,对于二级预报问     

最优化因子处理及加权多重回归模型

因子的优劣是回归分析的关键。故在建立回归方程时,一般除对预报因子进行直线相关普查外,还要进行非线性相关普查。如将原因子x用x~(-1)、x~(1/2)、x~2 、e~x、In x等函数形式进行变换。但由于这些函数形式有限,故不一定能找到最优的表达形式;为此冯耀煌等仅给出了x~a和e~(ax)两种通式,其中a为待     

热带气旋登陆华东的客观预报方案

热带所旋登陆华东属小概率事件。构造适当划分区间的阶梯函数能较好地反映登陆事件条件概率的非线性分布。应用阶梯函数变换的因子对登陆事件概率的预报性能优于线性相关的标准化因子。预报方案应用阶梯函数变换因子，通过非线性相关比筛选和REEP分析构造热带气旋登陆华东的预报模式。应用初始场资料与数值预报产品分别构造了统计－天气学、统计－气候学和统计－动力学的分类预报模式。应用分类预报模式的预报结果进行综合的预报集成提高了预报技巧。预报检验与试验表明本方案对热带气旋登陆华东具有一定的预报能力。     

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.     

杭州夏季高温概率预报模式

使用1994～1998年客观分析资料,用概率映射法作因子非线性变换,分别普查了因子与杭州夏季高温概率的相关性,找出一些高相关因子对其进行REEP分析,在此基础上构造杭州高温概率预报模式。经过1999年的试用,效果较满意,对实际业务预报服务有较好的参考价值。     

用条件概率法作月雨量预报

1原理简介本文所用的月雨量预报方法，类似于国外文献中流行的“PEEP”法，即事件概率回归估计。把预报量以概率表示。对预报量和预报因子进行（0、1）化变换。在此基础上分别建立雨量偏多型和雨量偏少型概率回归预报方程。把历年的因子值代入方程计算得预报量值（Y1和Y2），从Y1和Y2中归纳指标，作出偏多、正常及偏少三级趋势概率预报。2制作方法以惠阳市5月份雨量为例，资料取1954～1991年共38年。2．1资料及分级标准以月雨量年均值三作为划分标准，若月雨量则定为偏多，则定为偏少，则定为正常。由此把历年5月份雨量分成三级。选用50…     

逻辑组合因子的格筛选法

在一般的事件概率回归估计予报方法中,所有可能预报因子都是线性的。可是,实际经验表明,仅仅考虑预报量与预报因子之间的线性关系往往还不能确切反映客观规律。因此,寻求非线性因子对于提高预报效果是有意义的。利用布尔结构可以给出对非线性的逻辑代数组合因子进行筛选的方法,我们称为逻辑组合因子的格筛选法。受这一思路启发,我们开展了非线性事件概率回归估计的试验,效果比通常的事件概率回归好。     

汛期大～暴雨的降水概率预报模式

应用阶梯函数变换预报因子 ,经过相关比筛选 ,进行 REEP构造分量级降水概率预报方程 ,应用不同时刻资料和对 NWP产品统计释用方法构造分时刻预报方程 ,并对其预报结果进行了综合的集合预报。实用表明 ,预报模式对大～暴雨的概率具有一定的预报能力。     

应用线性化方法作江淮气旋发生的概率预报

利用几十年气旋资料,应用经验统计及智能数据库技术,精选与气旋发生关系密切的因子,采用非线性回归变换,建立概率回归方程。将T016数值产品代入回归方程进行气旋概率预报。经实际应用并采用Brier评分,结果满意。     

多因子相关相似判别法

1多因子相关相似判别思路 多因子相关相似判别就是利用因子和预报量距平值（＋、-）相同的个数作为相似标准,从而做出预报。（1）根据距平相关概率的大小选择因子所谓＂距平相关概率＂是指因子正（负）距平符号与预报量距平符号相同的概率。（2）计算因子间的协相关率,计算方法与上面相关率一样,只是表示因子间的相关度。（3）计算预报因子和历史年各因子的相似情况分析单因子相关（见表1）.     

雷暴短时警戒的一个统计预报方法

用一个多元判别分析程序,求得4月和7月的普通雷暴活动和强雷暴活动的预报函数。四个预报因子:抬升指数,低层平均的混合比,K 指数和200—300mh 平均散度的统计组合,用于落基山东部地区的预报。预报时效为12小时。对相关和非相关资料用概率检测(POD)进行试验,一个失误率(FAR)和因一个成功临界指数,显示出预报函数是稳定的。预报函数在使用时用两种处理方法来检验,一个包括概率检测(POD)和失误率:另一个用更常用的概率处理方法。1979年4月和7月试用结果表明】,统计方法的效果尚佳。     

概率变换法在南平地区暴雨预报中的应用

本文在大－暴雨ｍｏｓ预报中应用概率变换法进行对比分析,结果表明：概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。     

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。     

基于概率神经网络的沙尘天气预报

为了对敦煌地区沙尘天气过程进行预报,构造概率神经网络模型。尝试组合多种预报因子,选取最优预报因子。通过叠套方法进行预报消空,减小冗余的晴好天气样本。使用Matlab神经网络工具箱提供的函数建立沙尘天气预报模型,并采用遗传算法获得模式层最佳平滑参数,来优化概率神经网络模型结构,使概率神经网络的函数逼近能力和网络性能得到提升。以此进行的沙尘天气预报效果较好,准确率达57%以上。     

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。     

SVM方法在热带气旋降水预报中的应用

应用国家气象中心下发的热带气旋报文资料（中心经纬度、中心气压、近中心最大风力）,设计了诸如热带气旋中心与嘉兴市的最近距离等因子,并任选3个因子组成三维坐标（x,y,z）,计算嘉兴市热带气旋降水的概率分布函数。利用SVM回归方法对选中的概率分布函数进行训练,建立嘉兴市热带气旋降水预报方法,并应用于业务试报。同时和多元回归方法进行历史回报和业务试验比较。结果表明,概率分布函数与热带气旋降水具有较好的相关性,SVM回归方法在嘉兴市热带气旋降水预报中的回归预报模型和业务化效果明显优于多元回归。     

多元样条逐步回归模型在夏收中期预报中的应用

在夏收期间的中期预报中,使用了非线性多元样条函数回归预报模型。该方法保留了线性统计预报模型中多元分析,逐步筛选因子和显著性检验等特点,又吸取了数值逼近中样条函数处理复杂非线性函数的一些优点。经过与线性回归的对比和１９９８年的预报,在历史拟合率和预报效果上的提高较为明显。     

用非线性多因子动态组合方法作降水概率预报

将逐时段定点降水预报这个以往一般作为非连续量处理的预报问题转化为对一个连续的降水可能函数的预报问题。降水可能函数为一由实况值确定的函数。因为现在模式变化较快，且许多因子和降水可能函数为非线性关系，文章采用一种新的非线性多因子动态组合方法，通过对降水可能函数的预报，作客观分站降水概率预报。     

Copula函数在广西洪涝灾害的降水概率预测中的应用

为了研究洪涝的重要致灾源因子降水的概率,利用广西从1970年-2012年的降水数据,以年降水均值（X）和年降水极值均值（Y）为研究变量,通过Copula函数构建其联合分布.经过OLS,AIC拟合优度评价,采用Copula函数中拟合效果较好的Gumbel-Hougaard Copula函数建立边缘分布为Pearson-Ⅲ型的两变量的联合分布.随后,进行相应的重现期计算,计算结果表明,在联合重现期下的两变量降水设计值比单变量设计值和同现重现期下的设计值都要高,故采用联合重现期下的联合设计值作为防洪标准会更加安全.最后,对比降水数据与灾情数据,研究降水重现期与洪涝灾情的关系.结果表明,降水的重现期越长,洪涝灾害也越严重.