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。     

多元门限回归模型的一种建模方法

本文根据门限自回归模型的基本思想[1]，提出一种多元门限回归模型的建模方法。其特点是充分考虑了预报系统中某些特殊预报因子突变点对预报关系的改变作用。数值实例表明，该模型在模拟和预报精度上比一般线性逐步回归模型有一定程度的提高。     

具有时变参数的门限自回归模型及其在气候预报中的应用

将时变参数模型引入门限自回归模型中，提出具有时变参数的门限自回归模型，并对昆明，蒙自，河口等地区３月温度序列进行预报，结果表明：这种模型比门限自回归模型的预报准确度有明显提高，这是因为用这种模型进行预报时，可以随时更新预报模式。     

K 近邻非参数回归概率预报技术及其应用

针对参数回归技术制作概率预报存在拟合好、但预报结果不稳定的现象, 提出了用K近邻非参数回归技术制作概率预报的新途径。K 近邻非参数回归技术包括历史样本数据库、近邻子集生成和优化以及预报量估计4 个主要部分。利用该技术进行了单要素概率预报(主要包括云量和降水)和多维联合概率预报(降水、总云量、风速和气温)试验, 并对试验结果进行了检验。实例研究结果表明:该文所给出的计算方案预报稳定性好, 准确率较高,具有良好的业务应用价值。     

最优子集回归模型在低纬高原雨季开始期预报中的应用试验

将所有可能子集回归模型用于云南雨季开始的预报试验,选取有实际预报意义的５００ｈＰａ、海温头年１～１２月及同年１～３月网格点资料作为共同影响因子,分别与云南各站降雨量建立最优子集回归模型,对１９９８年、１９９９年的雨季开始期雨量进行独立预报表明：模型预报准确率优于逐步回归模型。从实况检验来看,效果较好,前期１～３月预报因子和模型适合低纬高原降水预测。     

多因变量双因子集矩阵回归预报方法

在多因变量多元回归中,采用单因子筛选引入公共预报因子进行矩阵回归预报时,由于自变量间互相关联,有可能存在这样的双因子,单个因子回归检验不太显著,但2个因子检验变得显著,势必造成某些预报信息的遗漏。基于此该文引入多因变量双因子集矩阵回归预报方法,通过对玉溪市9站点5月雨量预报检验,预报效果明显高于单因子筛选回归,尤其对特多特少异常年更具有指导意义。     

回归分析中因子群讯息的浓缩

一、问题的提出回归分析被广泛地应用于天气预报,并收到较好的效果。一般回归(一次回归)是在事先将预报因子加以挑选,选取达到一定信度a的预报因子,然后根据最小二乘方原理建立预报对象的回归方程。这些预报因子在回归计算过程中无一例外地全部引进方     

基于回归模型的青藏铁路水害气象风险评估

应用逻辑回归和逐步回归方法对青藏铁路青海段由降水引发铁路水害气象风险评估进行研究,以青藏铁路公司提供的铁路沿线水害统计资料为依据,选取2000—2014年青藏铁路沿线青海境内14个气象站点和28个加密气象站降水资料,开展降水引发的水害气象风险评估,结果表明:青藏铁路水害的发生不仅与降水量级有关,还与降水的性质和持续时间有关,铁路水害主要集中在7—8月,高发路段是乐都-平安、湟源-海晏段。导致青藏铁路沿线水害的主要降水类型为区域性强降水和连阴雨。考虑到降水持续时间对水害的影响,通过计算得出的铁路水害诱发指数和水害有效降水因子,且距水害发生时间愈近,日降水量对水害发生的作用就愈大。采用逻辑回归模型判断青藏铁路青海境内各区段水害的发生有无,其预测模型总判对率均超过86.2%,其次运用逐步回归评估模型计算出水害预报等级,经检验对最高级别1级的预报准确率达88.9%。可见,逻辑回归模型和逐步回归评估模型在青藏铁路青海境内铁路水害预报和评估工作中具有较高的预报准确率。     

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。      

均值生成函数的周期性延拓在回归分析中存在的问题及其改进方案

针对均值生成函数的周期性延拓在回归分析中存在的回归前提不同,预报因子是预报量的非独立表现等缺点,给出了改进方案。实例分析计算表明：新方案可以有效地消除原方案中存在的非独立虚假相关现象,从而使得筛选出周期性预报因子更加客观。基于本方案所建立的数学预报模型,具有历史拟合率与多步长预报精度基本一致的特点,是一种具有使用价值的长期预报手段,也有一定的隐含周期分辨能力。     

逐步门限自回归模型及其建模方案

针对门限自回归模型在模型识别方面的不足，提出了逐步门限自回归模型，并同时给出了该模型的一种建模方案。数值实例表明，逐步门限自回归模型在模拟和预报稳定上比一般门限自回归模型有一定程度的提高。     

多因变量矩阵回归预报方法

本文针对一个因变量多元回归在气象预报应用中的不足和局限，引入多因变量多元回归，讨论了应用中的公共预报因子问题和因子筛选问题，并对多因变量回归与单因变量回归、场展开预报、逐步回归、逐段回归等方法进行了比较，探讨了其特点及应用效果。     

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。     

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。     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。     

混合回归模型及其在长江中下游气象预报中的应用

本文用混合回归模型对长江由下游五站月降水总量和月平均气温问题进行了建模和预报,并且与自回归模型进行比较。结果表明,混合回归模型比自回模型、多元回归模型更适合于各种时间尺度的气象要素的分析和预报,其预报能力比较强,效果比较稳定。对降水等预报难度较大的气象要素的预报,效果改善尤为明显。     

用权重回归方法叠加法做冰冻趋势预报

一、思路用权重回归方法做预报,方法简单,结果清楚,使用方便。但对各个因子的随机性要求较高,各个因子对预报对象的贡献存在着放大或缩小的现象,特别是各因子对预报对象在某年的贡献改变了各因子对预报对象的真正贡献,影响预报的成功率。用同样的方法只改变预报因子,有时预报结果往往相反。这说明在组合计算工作中可造成各因子相互制约。这是预报工作中需要着重解决的问题。本方法采用12个指标,组合建立了3个权重方程,把3个方程的结果分别按年份     

对回归分析中因子问题的探讨

回归分析方法是目前气象台站用作气象要素定量预报的主要方法之一。在实践中发现,此方法的历史拟合状况都较好,但用作预报时,效果就不甚理想。究其原因,主要还是预报因子的问题。１　因子稳定性的问题　　预报对象与预报因子之间的关系,可能在一段时间内表现得较紧密,在另一段时间内不紧密,这就是相关的不稳定。如用这些不稳定的因子建立方程,预报的效果就较差。为了考虑因子Ｘ与预报对象Ｙ的相关稳定性,分别依次滑动计算样本容量为２０、２５、３０和３５年的相关系数,考察相关系数的变化情况。如相关系数随着时间的推移,顺次是…     

一种新的统计回归模型及其建模方案

根据经典门限自回归模型的基本思想,引入半截多项式变换,导出了一种新的统计回归模型,并提出了相应的一整套建模方案。这种模型和建模方案的特点是:（1）解决了统计回归分析中逐段线性化模型的检验问题;（2）在确定统计回归模型中各待估参数和变量——包括门限变量、门限值、阶数、时滞和回归系数时显得十分方便、快捷。试验结果表明,根据此方案建立的统计回归模型具有较高的拟合和预报精度,同时具有良好的稳定性。     

相关系数稳定性分析方法及其应用

相关和回归的方法,目前仍是制作统计天气预报的主要方法,也是把定性估计推进到定量预报的主要手段。通过相关分析,确定变量之间关系的密切程度,选取天气学意义明显的相关区,或寻求具有一定物理内容的预报因子,在此基础上使用回归等方法进行综合推断。人们在普查相关和对回归方程中因子进行筛选时,常常给定了较高的显著水平,如α=0.1,0.05等。但把最后建立的回归方程,付诸实际应用后,方程的可靠性和稳定性变化很大,准确率通常只有50％左右。1973年我们曾在分析拟合和预报显著差异的成因之