月平均气温预报的神经网络BP型多层映射模式

采用神经网络ＢＰ多层映射模式，利用１９４６～１９７９（１９８０）年南京月平均气温资料序列，计算得到系统的分维数Ｄ＿０＝２．８，确定三层模式形式ｉ×ｊ＝３×２，ｋ＝１，由此作出１９８０（１９８１）年１～１２月平均气温预报值。它与实测值的相关系数为０．９７（０．９８）。如按各月资料建立序列，作１～１２月各月平均气温预报与实测值的相关系数为０．９９（０．９９）。     

从一维气候时间序列直接提取K熵及其可预报时间的估计

对广州１９０８－１９８０年的月平均气温资料，在延拓的ｎ维相空间中直接提取Ｋ熵，得到该序列的Ｋ熵值为０．１８１９，由此得到，月平均气温的平均可预报时间Ｔ－１／Ｋ，约为６个月。     

用方差分析周期及随机时间序列法作赫章6—8月总降雨量预报

用方差分析周期法对赫章县３６年６－８月总降雨量进行周期分析,得出６－８月总降雨量变化以６年主周期,７年为校正周期。然后对原序列中周期不能拟合的部分运用随机时间序列进行处理,将两种方法的值叠加作预报,效果较好。     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

广东省旬月气象要素值预报系统

广东省旬月气象要素值预报系统，经过近两年的试验研究，实际应用和修改优化，在预报业务使用中有较好的参考价值。1系统简介广东省旬月气象要素值预报系统（以下简称GDST3），它能作广东省31个站和五个部的旬月气象要素值预报。预报的项目有雨量、平均气温、极端最高（最低）气温。预报输出的结果有：历年平均值、去年同期值、灰色预测值、天文周期预报值、综合预报值。此系统的预报评分功能是按照广州中心气象台中期旬量评分标准，对每种预报结果进行单站和分片评分，并且计算误差值和平均误差。预报结果以文件方式存放在磁盘，随时可以…     

数字滤波方法在月尺度数值预报中的应用 I. 初始场滤波的作用

本工作将数字滤波方法用于T42L9谱模式的月预报实验。为了去除高频扰动误差的影响，保留对月预报有意义且可预报性较强的低频过程，用滤波器对观测资料的序列进行处理，得到10天以上的低频分量作为初始场进行预报。结果说明，与不进行滤波的控制实验相比，误差增长明显减慢，预报效果在10～20天时段内提高最显著。进一步分析表明，延伸预报效果随时间的变化主要是由其中低频分量的预报效果决定的。初始场滤波后预报效果的提高也主要是由于其低频分量报得更好，而在此低频背景下新产生出来的高频扰动误差也相应较小，因而总体的预报效果好于控制实验。而如果在控制实验预报后提取低频分量进行检验，则对逐日预报的改进不明显。经过初始场滤波后对1～10天至1～30天平均场的预报也有较显著的提高。对旬平均预报改进最大的是在第二个10天。对500 hPa环流形势的预报也更接近实际。本工作的结果说明，在中长期预报中如果能用适当的方法提取出低频过程的信息，则可望提高预报水平。     

有效位能和冷空气活动与台风暴雨增幅的研究

以昆明近百年月雨量时间序列为样本,进行了月雨量的可预报性试验,通过估算和１２年共１４４次的独立预报试验,我们得出：在适当的预报精度的要求下,月雨量的可预报时间尺度约为５个月,于适当嵌入的相空间维数ｍ和在一定的提前预报时间尺度Ｔ内,对月雨量的距平符号预报准确率可达６０％,对于雨季（５－１０月）则可达到６５％。     

3个月平均气温距平的CCA预测方法

用根据CCA方法设计的一个统计预报模式对我国3个月平均气温距平进行预报试验，并用交叉检验方法进行估计，结果表明：预报技巧随提前时时间增长而减小得较少，用全球表面温度作预报因子有较高的预报技巧，7，8，9月3个月较易预报，而10，11，12月3个月较难预报。     

基于卡尔曼滤波方法的MOS与PP法在德阳温度预报中的效果评价

本文对卡尔曼滤波方法、mos与pp法的基本原理作了简要的概述。并分别在ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场上和预报场上选取因子，即pp法和mos法分别1建立预报方程，利用卡尔曼滤波方法对德阳的日平均气温、日最高气温、日最低气温进行了预报并对相关结果进行了检验，其结果表明用pp法建立预报方程，其预报结果的误差比用mos方法建立预报方程的结果相对要一些。     

用车贝雪夫多项式做时间序列预报的一种改进方案

为提高预报准确率，本文对作者以前提出的时间序列预报方法，提出了一种改进方案。这一方案的要点是:1）在计算理想初值的预报时，针对不同情况选择不同的迭代次数；2）在通过迭代终值计算预报时，对不同情况使用不同的拟合误差平均值；3）当拟合误差的符号难以确定时，直接取迭代终值作为预报值。实例计算表明， 新的方案有利于提高预报准确率。     

基于EOF分解的中期平均气温距平客观预报方法

本文通过将500 hPa高度、850 hPa温度、海平面气压的预报与历史要素场进行EOF分解,并假定EOF分解空间函数(即特征向量)是基本稳定的,建立以EOF分解主分量系列的时间系数、预报站点附近基本要素值的时间序列与预报站点平均气温距平的多元线性逐步回归预报方程,结合ECMWF集合预报数值产品,生成全国范围未来10 d平均气温距平客观预报产品投入业务应用,并采用同号率方法检验。结果表明,客观预报产品在检验时段内,同号率平均值为0.77,明显高于ECMWF集合预报模式2 m温度直接计算得出的同类产品同号率0.63;该客观预报产品不仅在分布范围上,同时在距平幅度上预报效果均较好。此外,相关分析也证明同号率方法在检验中期时效气温距平预报中有其合理性。     

格点选择对MAPS面雨量预报效果的影响

以MAPS数值预报产品为基础，采用1998～2001年MAPS数值格点降水预报场资料，选取长江上游六大流域不同的代表格点计算该流域不同时段、不同时效的面雨量。以历年面雨量实况为标准，对上述时段面雨量预报值进行相关分析。结果表明，格点选择不同，该流域面雨量预报结果存在较大差异，对于MAPS数值降水预报而言，采用将格点北移1纬度、东移3经度的方式，其预报效果最佳。将这种格点选择方式应用于2002年长江上游六大流域面雨量预报，其效果较好。     

用简化的周期分析法作年降水趋势预报

1概述我们常常把某些要素看成是随时间作周期变化的，时间序列上某位置的要素是该要素前期作周期性变化的结果，并以此制作中长期预报。沿用正弦波的普遍表达式：＿＿。＿，2穴＾。Rn一ZASin（n尖十o）……………………（）—“““—“““”““L””‘””“”根据各周期的长度、振幅及初位相来求Rn的值。依此，在下面提出一种简化的周期分析方法。本文把时间序列（R则用中值分为两档，按序号逐个统计符合档内各周期的个例数，选取个例数较多的周期，以个例数（或经修订）为权重系数，建立表达式R。’一Zai’R’／Zai’和R。”一Za…     

控制镇江月平均气温变化的动力系统的重建及其预报应用

本文运用镇江月平均气温一维时间序列作相空间拓展，和假定相空间状态变量随时间的演化方程含有线性项和二次非线性项，利用最小二乘法求解各项系数，保留其大差贡献较大的项，重建动力系统．并用镇江月平均气温实测值作检验．结果表明，重建的动力方程对月平均气温的演变能作出较好的描写．     

数字滤波方法在月尺度数值预报中的应用Ⅰ.初始场滤波的作用

本工作将数字滤波方法用于Ｔ４２Ｌ９谱模式的月预报实验。为了去除高频扰动误差的影响，保留对月预报有意义且可预报性较强的低频过程，用滤波器对观测资料的序列进行处理，得到１０天以上的低频分量作为初始场进行预报。结果说明，与不进行滤波的控制实验相比，误差增长明显减慢，预报效果在１０～２０天时段内提高最显著。进一步分析表明，延伸预报效果随时间的变化主要是由其中低频分量的预报效果决定的。初始场滤波后预报效果的提高也主要是由于其低频分量报得更好，而在此低频背景下新产生出来的高频扰动误差也相应较小，因而总体的预报效果好于控制实验。而如果在控制实验预报后提取低频分量进行检验，则对逐日预报的改进不明显。经过初始场滤波后对１～１０天至１～３０天平均场的预报也有较显著的提高。对旬平均预报改进最大的是在第二个１０天。对５００ｈＰａ环流形势的预报也更接近实际。本工作的结果说明，在中长期预报中如果能用适当的方法提取出低频过程的信息，则可望提高预报水平     

用典型相关分析作副高的统计动力预报模式可预报性研究

本文提出一个关于西太平洋副热带高压（简称副高）的统计动力预报模式，利用它和典型相关分析方法对冬、春和夏季逐月副高预报的可行性进行研究。结果表明，模式的可预报性依赖于预报量场和因子场所提取的分量数，模式的差分形式及预报落后步长。对逐月和不同步长所作的可预报性分析发现步长为1个月有较高的可预报性，不同月份可预报性有所不同，一般夏季较冬季和春季要差。虽然如此，用该模式作夏季副高预报还是具有一定的可能性。在独立样本中所作的预报试验表明，月际预报符号相关系数一般均接近或超过0.60。     

多步预测的降水时序模型

该文设计了一个能作多步预报的时间序列模型，先生成时间序列及其差分的均生函数，再运用双评分准则对所有均生函数延拓序列作粗选和精选，以期建立一个拟合和预报效果均好的模型。就长江中下游6—8月降水总量的序列进行了计算，证实该模型可用在制作逐年气候预报或分月长期预报中。     

夏季地面温度场月预报的统计模式

用15年北半球夏季地面温度的资料分析了月平均场与该月前后一周左右的逐日平均场在时间和波数上的相关。发现越新、越靠后的日平均场与该月的平均场相关越强。用第0天外推的未来30天平均场与实况的相关比用前30天平均场作外推的相关要显著得多。由此得出结论认为各种预报方法的效果检验应与前者定义的惯性预报作比较。文中提出了几个用于作月预报的统计模式，分别用不同时间或不同波数作预报因子。其结果均使预报准确率有所提高。既用不同时间又用不同波数作预报因子的模式更为理想。文中最后讨论了一个源于动力学考虑的统计模式。近1400个月预报例子的结果与实况的平均相关系数高达0.75，显著优于惯性预报。     

卡尔曼滤波方法在南宁市单站温度预报中的应用

卡尔曼递推滤波方法适用于温度等连续变量的预报，具有容易适应模式的变化和不需要收集大量历史资料样本的优点，用卡尔曼滤波方法制作南宁市最高、最低和平均气温预报，对1995年1—2月的历史资料进行试报的结果表明，最低温度预报与实况的拟合最好，其次是平均温度和最高温度。均方根误差和平均约对误差的计算结果，除了最高温度预报外，均方根误差都在3℃以内，平均绝对误差在2℃以内。     

春季3—5月短期降水预报的700hPa与地面“形势编码”处理方法

降水预报,包括预报时段内有无降水、降水量级的大小及降水起止时间等,一直是预报人员在考虑诸多预报量中的重点。通常在研制短期降水预报方法时,首先是对历史样本进行处理,力求把有、无降水的样本进行分离(排空处理),使降水样本资料尽可能地