信息替换的均生函数主分量多步预测

提出随着时间的推移，用新信息取代旧信息的“限定记忆”的时间序列数据处理方法。且仅对均生函数外延矩阵的前Ｌ阶方阵作主分量分析，用数目较少又包含主要信息量的主分量因子对时间序列建模。该方案用于四川省２８个县市的年平均气温的多步预测值与实况值相对误差均在±４％以内，表明该方案用于气温多步预测是有效的。     

气温,降水气候预测的灰色拓扑方法

本文应用ＧＭ（１，１）建模方法，对四川地区的年平均气温和年降水分别建立了气候预测模型。该模型对气温的预测效果令人满意，但对降水的预测效果不够理想。进而改做不同阈值下的ＧＭ（１，１）拓扑预测，得出各年份对应的要素值，使降水的预测精度有明显的提高。     

北京降水缺测资料恢复的研究

利用１９４１－１９８０年北京降水量资料进行了缺测降水量资料恢复的研究，并单月序列使用非线性函数作降水量正态化的变换，然后用预测残差最小逐步回归及对多月序列使用各月降水量变换序列，各月降水量变换序列与各月气温混合序列为因子作缺测资料恢复和用各月缺测资料前后实测资料作简单内插恢复等三种方案进行试验结果表明，以降水和气温作混合因子使用残差最小逐步回归模型有最好的可性。还使用该方案对１８４１－１９５０年缺     

均生函数逐步回归模型在降温、降水长期过程预测中的应用

应用均生函数逐步回归模型，经过十次变长序列动态建模进行多步预测，再对多个结果进行合成分析，可以更好地揭示、归纳及利用好自身的规律。对降温、降水等长期天气过程预测，得到较可信的结果。     

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。     

南京过去100年极端日降水量模拟研究

在南京过去100年日降水资料的基础上,利用极值理论中的区组模型和阈值模型分析了极端日降水分布特征.首先通过广义极值(GEV)模型模拟了日降水的年极值序列(AMDR),用极大似然估计(MLE)方法计算了模型的参数,并借助轮廓似然函数估计出参数的精确误差区间,同时采用4种较直观的诊断图形对模型的合理性进行全面评估,结果表明Frechet是区组模型中最适合描述极端日降水分布特征的函数.其次,将日降水序列分3种情景构建极值分布的阈值模型(GPD),考察了观测数据的规模对应用该模型的限制,重点讨论了如何针对给定观测样本选择合适的阈值收集极值信息.分析结果认为,长度不小于50年的气候序列,采用24 mm的日降水量作为临界阈值均能进行GPD分析.该阈值处于年降水序列第91个百分位附近,即对目前长度为50年左右的日观测资料,第91个百分位点以上的数据基本能满足GPD研究的需要.另外,根据GEV和GPD对未来极端降水重现水平的推断情况,GPD预测值的置信区间要比GEV的窄,极值推断的不确定性相对也较小,更适合用于研究中国目前规模不大的气候资料.最后,对GPD模型的形状参数和尺度参数进行变换,分别引入描述线性变化的动态变量,分析降水序列中潜在的变异行为对极值理论应用的影响.这种变异包括降水序列中长期的均值变化及百分位变化,从模拟结果看,暂未发现资料变异行为对极值分析产生显著于扰.     

隐含趋势气候序列的均生函数建模

针对气候序列中有周期性振荡和常含有向上递增或向下递减的倾向，提出对均生函数进行累加延拓，将其与均生函数周期延拓序列一起进行筛选，从而建立优效的预测模型，并给出淮河汛期降水和全球气温序列的建模与预测实例。     

均生函数逐步回归模型在降温、降水长期过程预测中的应用

应用均生函数逐步回归模型,经过十次变长序列动态建模进行多步预测,再对多个结果进行合成分析,可以更好地揭示、归纳及利用好自身的规律。对降温、降水等长期天气过程预测,得到较可信的结果。     

中国天气发生器模拟非降水变量的效果评估

文中介绍了天气发生器BCC/RCG-WG基于谐波分析和多变量平稳过程对最高气温、最低气温、日照时数、相对湿度和平均风速等5个非降水变量的模拟模型,并根据中国669个站点1971-2000年的逐日气候资料(降水、最高气温,最低气温、日照时数、相对湿度和平均风速)计算了各站点的非降水变量的模拟参数.根据计算的模拟参数对中国...     

基于均生函数的主成分建模方案在内蒙古夏季降水预测中的试应用

文章利用主成分分析方法筛选一维时间序列的均生函数，提取有价值的信息，建立预测模型，对序列进行拟合并做多步预测。几个初步试验表明，此方案对我区夏季降水预测有一定的参考价值。     

A Climate Prediction Method Based on EMD and Ensemble Prediction Technique

Observed climate data are processed under the assumption that their time series are stationary, as in multi-step temperature and precipitation prediction, which usually leads to low prediction accuracy. If a climate system model is based on a single prediction model, the prediction results contain significant uncertainty. In order to overcome this drawback, this study uses a method that integrates ensemble prediction and a stepwise regression model based on a mean-valued generation function. In addition, it utilizes empirical mode decomposition (EMD), which is a new method of handling time series. First, a non-stationary time series is decomposed into a series of intrinsic mode functions (IMFs), which are stationary and multi-scale. Then, a different prediction model is constructed for each component of the IMF using numerical ensemble prediction combined with stepwise regression analysis. Finally, the results are fit to a linear regression model, and a short-term climate prediction system is established using the Visual Studio development platform. The model is validated using temperature data from February 1957 to 2005 from 88 weather stations in Guangxi, China. The results show that compared to single-model prediction methods, the EMD and ensemble prediction model is more effective for forecasting climate change and abrupt climate shifts when using historical data for multi-step prediction.     

An application of the threshold autoregression procedure to climate analysis and forecasting

In this paper a nonlinear method of time series analysis-threshold autoregressive (TAR) model in discrete time is used. The TAR procedure consists of four parts: model building, statistical identification, parameter estimation and forecasting.The object of this study is to estimate monthly total precipitation of Shanghai and Beijing by using open loop TAR model. We can see that the trend of forecasting is in agreement with observations.     

美国小麦产量业务预报方法研究

利用综合诊断指标,研究了预测年美国小麦生长季逐日平均气温和降水量与历史上任意一年对应气象要素的关系。根据小麦产量历史丰歉气象影响指数,建立了基于地面气象要素的美国小麦产量预报模型;研究分析了西太平洋月平均海温、北半球500hPa平均高度场环流资料与美国小麦产量的关系,利用主要影响因子,分别建立了基于海温、环流资料的美国小麦产量预报模型。根据各预报模型的稳定性,利用加权方法建立了美国小麦产量业务预报集合模型。1995～2004年预报检验和2005～2006年预报试验结果表明：集合模型的预报准确率基本都在92％以上,能够满足业务服务的需要。     

基于EEMD的黄河中上游夏季降水预报方法的研究

传统的统计方法难以很好的对气候系统这一集非线性、非平稳性为一身的多层次系统进行处理。因此集层次化处理和平稳化处理的集合正交经验模态分解技术(EEMD)的提出,为解决上述问题提供了有效的途径。本文选取黄河中上游24个气象观测站的逐月降水资料,结合组合预报和集合预报思路,基于EEMD建立了统计预报模型。其中对降水序列中的高频部分进行了二次平稳化处理,实现对2008—2013年6—8月的降水预报,并用预报评分检测预报效果。结果表明:EEMD模型对黄河中上游夏季降水有着较强的预报能力,在该区域与气候模式和传统的统计方法相比具有更高的精度和更好的应用前景。     

基于EMD 和集合预报技术的气候预测方法

气候系统是典型的非平稳性系统,然而对于气候观测数据的处理通常是在时间序列平稳的假定下完成的,比如气温和降水的多步预报,这通常会导致预报准确度较低。为改进该缺陷,首先将非平稳数据序列分解成平稳的、多尺度特征的本征模态函数分量(IMF),再使用数值集合预报与逐步回归分析相结合的方式对每一个IMF 分量构建不同的预报模型,最后线性拟合成预报结果。通过Visual Studio 2008 开发平台使用上述方法建立了一个短期气候预报系统,采用广西区88 个气象站1957—2005 年的2 月距平气温数据进行实际验证。结果表明,相对于普通预测和单一预测方法,加入了EMD 和集合预报技术的方法在仅用历史资料进行多步预测的情况下,对于气候的变化趋势以及突发性气候具有更好的预报能力。      

背景场资料与参数化方案对暴雨预报的影响

利用GRAPES-m eso模式和T213资料,对2007年7月18日发生在我国四川盆地和华东地区一次大暴雨过程进行多组数值试验,以分析侧边界资料、驱动资料的垂直分辨率、模式积分区域、云物理参数及边界参数对GRAPES-m eso模式降水预报影响。试验结果表明:(1)侧边界资料对模式降水预报结果影响较小,驱动GRAPES-m eso的全球模式产品质量提高,降水预报结果越好;(2)驱动资料垂直分辨率的高低对降水预报结果影响较大,分辨率越高,预报能力越强,反之越弱;(3)模式积分区域对降水预报结果也有明显影响,区域越大,降水预报未必总是最好;(4)物理过程和边界参数试验表明,W SM6方案与KF eta方案组合的24小时降水预报与实况更接近。      

Medium-range forecasting of the extent of forest fire hazard from meteorological conditions

A new method of medium-range forecasting of a class of fire hazard is developed based on more precise accounting of accumulated moisture deficiency that is reflected by the Nesterov standard index. A physico-statistical interpretation of hydrodynamic forecasts of fields of meteorological variables is used for finding of prognostic values of the elements of the fire hazard index, using forecasts of maximum air temperature and precipitation in the Novosibirsk region from the earlier developed scheme. The initial set of variables contains data on the isobaric surface geopotential at 500 hPa, surface pressure, temperature at 850 hPa at the regular grid points at 2.5° × 2.5° resolution and their derivatives. For formulation of forecasting equations, the algorithm of model self-organization is used with external criteria. The input of initial information, forecast issuance, displaying results and their delivery to customers based on GIS-technologies are totally automated.     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

AREM初值敏感性试验及误差分析

本文基于区域暴雨数值预报模式AREM,对2008年7月四川地区的整月天气过程进行数值模拟试验,分别采用台站常规报文资料、T213预报场资料和以T213资料为背景场,融合常规报文资料3种初值,发现得到的模拟结果差异很大,其中以台站常规资料为初值模拟的降水最接近实况。和台站资料相比,T213预报场资料在四川盆地中西部中低层大气的湿度偏大,温度偏高,风场偏强,而位势高度偏低,直接导致了模拟的降水偏强。这些初值的差异随着积分时间逐渐变小,通过对比逐时降水发生发展过程,发现降水的差异与湿度的调整最为吻合,初值中各个量场对模拟结果都有一定的影响,其中水汽场的影响最为显著,位势高度场的影响最弱。通过比较不同时次初值的模拟结果还发现,0000UTC时刻大气系统相对稳定,故以此为初值模拟的降水比从1200UTC时刻开始模拟的降水更合理。模式模拟的前24h降水比后24h降水的效果更好,一方面说明临近预报的准确度更可靠,另一方面也反映积分前期模式对初值的响应相当敏感。      

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心（ECMCWF）降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS（Threat Score）评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。