几种“0、1”型因子筛选方法的比较

MOS 等统计预报效果的好坏与因子选择的关系甚为密切,而选因子方法种类繁多,不免使人眼花瞭乱。因此很有必要对各种因子的筛选方法进行比较,作出评价。由于 MOS 预报大量处理的是二值问题,如晴雨、有无大风、暴雨等。故本文仅对“0、1”型因子筛选方法进行讨论,且认为相关系数法选因子比较好。从而,分别对其它几种简易“0、1”型因子筛选方法与相关系数法作出比较。     

利用多时次资料的EOF迭代温度长期预报

考虑多时次历史资料，基于ＥＯＦ迭代方案，将观测事实与统计方法结合，建立预报因子与预报对象的联系，开展长期预报试验。对四川盆地夏季温度的预报表明：这种容纳多时次资料、基于ＥＯＦ迭代的物理－统计预报方法是一种有效的长期预报途径。     

基于长时段非线性影响分析的冬小麦产量预报

为提高冬小麦产量预报的准确性、稳定性, 通过气象产量与气象因子的膨化相关普查, 筛选出长时段、非线性因子组建预报方程, 收到了预期的效果.经4年的使用验证及与其他几种统计方法的比较, 该方法预报结果较为理想, 可用于基层台站的冬小麦产量预报.     

不同方案对几种概率统计方法预报效果的比较

为了用不同方案对几种概率统计方法的预报效果进行分析、比较,本文以福建漳浦县气象站1—3月份总降水量的预报为例,对预报因子的选择和预报方法的选用问题进行探讨。一、预报对象和预报因子1.预报对象:漳浦县气象站1—3月份总降水     

冬半年降水概率的模式输出统计预报

一、引言大尺度数值预报与局地具体天气预报联系起来的途径之一是将数值预报输出的结果,通过统计的办法,利用计算机,转变为局地天气的预报信息。实现前述的目标至今有二种主要的方法,一种称为“完全预报法”(Klein,1959),即将局地天气要素与环流的观测参数建立起多元回归方程,并将数值模式所得到的环流参数的预报值当作观测值从而预报未来的天气。另一种是代号为MOS的“模式输出统计法”(Glahn和Lowry,1969),是将前期数值预报的输出结果与观测的天气要素建立相关关系,从而预报未来天气。对MOS来说,它将数值预报的误差及不精确性统计地考虑进预报体系,而且它能够包括许多重要的因子如垂直速度、边界层的风和温度等等。而这些好处均为“完全预报     

可膨化因子相关普查软件设计

本软件是根据模式预报中有关统计筛选相关因子工作的需要进行设计,在PC—1500机上实现的。在建立模式预报工作中,最大量的工作是整理大量的因子及计算其相关程度。为了充分利用微机,减轻劳动量,本软件将资料整理及相关普查有机地结合起来,使输入基本资料就可整理出大量的信息,并普查出这些信息与对象的相关系数。 一、资料膨化处理方法 用于长期预报等方面的基本资料大多以月、旬值给出,要用数旬、数月的因子,则     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

环流分型在万州暴雨预报方法中的应用

通过对万州区龙宝气象站1980～2005年188个暴雨个例资料的分析,将产生暴雨的天气形势划分为若干环流型,主要着眼于影响暴雨的物理量,筛选出预报指标和预报因子,使用统计预报方法,根据天气环流形势的分型,分别组建了5、6、7、8、9月及4月和10月的各月份每种环流型未来36小时万州区大到暴雨以上各暴雨量级预报方程.预报检验表明该预报方法是可信的,同时也表明客观划分环流型、筛选预报因子、恰当确定各暴雨量级与预报因子标准等级是预报方法的关键.     

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     

热带气旋运动的动力—统计预报业务试验

一、引言近年来,许多热带气旋具有运动异常的性质,从而暴露了纯统计系统所固有的弱点,并促进了动力和统计—动力模式的发展。因此,Miller(1972)等用一种七层模式进行试验,而Neumann和Lawrence(1973)介绍了一种统计—动力模式,即NHC73,它采用美国气象中心的原始方程模式的输出作为统计预报系统的输入。1973年和1974年飓风季节,用NHC73的两种方案在业务预报中作了试验。本文评论了NHC73的发展,介绍了两年中的试验结果,以及提出了将统计、动力概念用于热带气旋预报的发展途径。二、数值预报资料的统计应用 Klein和 Glahn(1974)介绍了两种已成功地将数值预报资料引入统计预报结构的方法。其一是所谓“完全预报”法,另一种称模式输出统计法,简称     

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。     

日本数值预报产品在温度预报中的释用

从概率统计的思路出发,应用1994年1月～1995年8月日本数值预报产品资料,选取与温度相关较好的因子,利用SPSS统计软件进行统计分析,建立了长春地区各季度各测站以日本要素预报值及实况温度值为自变量因子,以24小时预报时效内极端温度实况值为因变量的多元线性逐步回归方程。利用VB语言编写了温度预报软件,该软件运行时通过自动调用起始场实况温度值与日本要素预报值,输入上面所得回归方程运算,可得出24小时时效内极端温度的预报值,基本实现了24小时温度预报的客观化与自动化。     

5至8月份短期大到暴雨MOS预报

近年来国内外的预报实践证明,模式输出统计预报方法,是制作降水预报的一种较好的方法。现借助日本传真图的输出量寻找预报因子,适当结合实况分析图找辅助因子,并输进本站观测到的最新信息,建立汛期大到暴雨短期预报方程,试报效果较好。现叙述如下:     

兰州市空气质量统计预报模型设计

引　言目前 ,城市空气污染预报主要利用 3种方法进行预报集成 ,即气象形势潜势预报、要素统计模型预报和污染模式预报。通过对 3种结果的经验集成 ,综合得出预报产品进行分发服务。为了配合兰州市 4月 1日按时开展空气质量试预报 ,我们设计了一个利用实时资料和数值资料相结合并直接用于业务应用的要素统计模型。1　污染观测及污染资料现状兰州空气质量监测点设在西固兰炼宾馆 ,污染物主要来自于兰州当地工厂排放和生活废气排污。兰州市地形是一个东西狭长河谷 ,盛行风向对观测值有较大的影响 ,因此 ,观测的污染值并不具备很好的代表性。文…     

基于WRF/CMAQ的成都空气质量模拟与预报

本文是成都地区空气质量预报的一次模拟试验,文章通过污染源排放清单编制、不同模式下垫面资料使用、气象模式大气物理过程参数选取、以及成都地区空气质量实例模拟预报几个方面来开展工作。分析结果表明:使用新下垫面资料对SO₂、NO₂的模拟结果的统计结果均好于旧下垫面资料;选出了适合于成都地区的气象模式物理过程参数方案;受外地源影响较小的NO₂与PM₁₀的模拟预报效果比受外地源影响较大的SO₂模拟预报效果好;清单编制过程中对污染物排放的时间分配因子把握不精确造成了预报趋势与监测值趋势存在差异;对污染源排放量的低估是造成预报值普遍小于监测值的重要原因,同时未考虑外源的输入影响,以及用监测值的点均值来验证预报值的面均值,也是造成预报值与监测值存在明显差异的主要原因。      

回归方程优良性的判断

逐步回归计算方法是求多元回归方程的一种有效方法。它是按照一定的显著水平F_a,从大量的预报因子(自变量)中逐步地挑选对预报量(因变量)有显著影响的,即使对观测数据拟合较好的几个建立回归方程,用于预报未来。但F_a究竟取多大为好?取大了,得到的回归方程含因子个数少,拟合率不高;取小了,得到的回归方程含因子个数太多,往往预报效果不佳。因此在组建逐步回归方程时,经常对同一个问题选取几个F_a值,从而得到几个可供选用的方程。但仍然没有较好的办法确定使用哪一个方程好。     

温度自动预报系统——英国气象局数值天气预报模式输出统计的应用

1.引言 MOS(模式输出统计)方法,是用来预报那些数值天气预报(NWP)模式不直接表示的气象变量,它的基础是建立固定等压面分散网格点上高度、温度、湿度和风等直接表示变量的数值预报值和地面温度、云高云量及能见度等观测值之间的关系。通常使用多变量线性回归模型来确定这种关系。 PP(完全预报)方法,是建立观测得到的大气变量和感兴趣的“天气”特征之间的关系,在预报时使用数值预报代替观测变量作为预报因子。美国研究组进行了大量的MOS方面的工作,将这一技术方法应用于预报很多天气变量,取得不同程度的成功。其中所设计的地面温度自动预报业务系统,在很大程度上推动了本文所描述的试验。     

一种两分类预报因子筛选方法

预报因子的筛选是天气预报一项重要且工作量相当大的工作。在两分类的预报中,因子的筛选方法很多,利用距平符号相关法来寻找预报因子是一种最常用的方法之一,即     

分县温度预报方程的建立及其逐步订正

使用2000—2004年1-12月850 hPa天气图、日本FXFE782、FXFE783预报图、预报区域5个测站逐时自记及自动站观测资料,应用温度方程理论,从380个样本中筛选出平流项和非平流项因子17个,利用多元回归统计模型,以及850 hPa分型的△T值为逐步订正值,建立了四季分县温度预报方程,在2005年11月—2006年2月应用中取得较好效果,预报误差小于±3.0℃平均误差0.7℃。     

长期预报基本观测资料自动化处理

以普遍推广的AO文件(即基本观测资料)为基础,经过一定的程序处理,得到各气象要素的气候值,并形成建立方程所需自变量数据文件和预报所需的自变量数据文件.计算自变量与因变量的相关系数,将相关系数较大的因子筛选出来,通过人机交互的方式进行第2次筛选,用相关显著的自变量与因变量建立回归方程.由于输出的自变量相对因变量来说都是前期因子,根据回归方程和预报所需的自变量,就可以得出预报结果.