鲁南月降水量的多层递阶预报方法

在实际的预报工作中,对于月的降水量预报或做其它长期预报,通常从这样几个方面考虑问题:1.降水自身的演变规律;2.寻找各气象要素或要素场与降水量的相关关系,3.选择最佳预报因子,用统计的方法做出预报。 所以我们最关心的正是如何确定气象要素场与降水量的相关关系,选择合适的预报因子。在实际工作中预报因子的选择往往是预报成败的关键。但在预报因子选取之后,选择合适的统计方法也是不容忽视的。现将我们做的一点工作简介如下。     

试用多层递阶预报方法做夏季降水量预报

天气预报的多层递阶方法是运用现代控制理论中的系统辨识方法提出的一种新的数值预报方法。我们在过去工作的基础上选取六个有天气学意义的相关因子,采取仅考虑预报因子部分的多层递阶方法试作夏季降水量预报,效果较好。此外,与一般线性单输出模型、仅有自回归部分的线性单输出模型及多元回归进行了初步比较,提出一些看法。《天气预报的多层递阶方法》是运用现代控制理论的系统辨识方法,它将天气系统看成是随机动态的时变系统。从系统的外部特征着手,建立其输入-输出模型,并进行多层分析和多层递阶预报。现将我们用这种方法预报夏季(6—8月)降水量上所做的工作介绍如下:     

逐步回归周期分析与多层递阶方法相结合的时间序列分析预报模型

逐步回归周期分析[1]是针对方差分析的不足而提出的一种时间序列分析方法,作者[2]将其应用于长期预报,取得了一定的效果,但也存在着某些缺陷,其主要表现在实际应用时,随着预报时效的增长,预报效果明显趋于不稳定.这里主要有两个方面的原因:一是某些时间序列本身的周期性不强,所选的周期显著性水平低,此时则不宜单纯用周期分析外推做长期预报,对此,作者已在另文中作过研究.二是在逐步回归周期分析预报模型中,回归系数取为固定的参数,而天气系统则是时变系统.     

多层递阶方法与回归分析相结合的预报模型

一、引言多层递阶预报方法是运用现代控制理论中的系统辨识方法而提出的一种新的统计预测模型,由于它充分考虑了动态系统的时变性质,采用了时变参数预报模型,故对类似天气预报这一类时变系统具有较强的适应能力,因而近年来引起了气象工作者的广泛关注,并进行了     

多层递阶周期分析

针对经典多层递阶预报方法的某些不足,提出了一种改进的多层递阶预报模型——多层递阶周期分析。它使用时间序列的显著周期分量取代原模型中的自回归部分,使其更合理地反映气象要素自身的演变规律,有效地提高了预报精度。     

长期天气预报中的多层递阶预报方法

一、问题提出 统计预报是当前长期天气预报的主要手段之一。常用的古典统计方法包括:回归分析、判别分析、方差分析、时间序列分析i等。对于预报量y,选取s个预报因子x_i(=1,2……s),建立预报方程。     

多层递阶方法及其在汛期入库流量预报中的应用

多层送阶方法是近几年来在国内发展起来的一种动态系统的新的预报方法．它的应用范围十分广泛．本文简述了它的数学原理并试用于黄河上游唐乃亥站汛期入库流量的业务预报．其结果是比较好的．     

用多层递阶方法预报花生产量

目前,国内对花生产量预报方面的研究较少,其它粮食作物如小麦、水稻等作物的产量预报方法较多。一般常用的多元回归、特征根回归、多重回归等预报方法,随着预报年限的延长,预报误差会相应增大,其原因之一是在此类预报过程中,用固定参数模型来预报一个时变参数系统的状态,易产生较大的误差,并随着预报年限的延续而增大。因此逐年预报时需要重新计算模式的系数。为了克服这一缺陷,我们采用了动态系统预报的新方法——多层递阶预报方法,对我省花生产量进行预报,由于它充分考虑了参数的时变特性,因此提高了预报准确率。通过对我省花生产量预测的实际应用表明,采用多层递阶预报方法连续多年预测花生产量,准确率及精度较高,这一方法可多年使用后再进行模式运算,大大减少了工作量,这种方法早已引用于长期天气预报,对于时间紧、业务量大的产量预报也非常适用。     

试用多层递阶回归分析法作月降水预报

通过对多层递阶回归分析方法的试用,表明这种方法在预报业务中有实用价值。     

多层递阶方法在中期天气预报中的应用

本文用欧洲中心500 hPa中期逐日预报资料,使用多层递阶方法,提出了中期降水。气温的预报模型,业务使用结果表明,多层递阶方法对于中期天气预报也具有较好的预报能力。      

带有周期分量的多层递阶方法及其应用

多层递阶方法是运用现代控制理论中的系统辩识方法而提出的一种新的数学预测模型,由于它充分考虑了动态系统的时变性质,采用了时变参数预报模型,故对时变系统有较强的适应能力。从目前所做的工作来看,天气预报中的多层递阶方法大多采用了仅有预报因子的线性单输出系统模型,其主要原因在于气象要素的自相关程度往往比较低,使得仅有预报因子的线性单输出模型反而要比含有自回归部分的一般线性单输出模型预报精度高。但     

用多层递阶自回归数学模型作鲁南月、季平均气温和降水量预报

目前应用于长期预报的各种统计方法,其共同点是用固定参数模型来预报动态时变性。实践表明,这种预报方法历史拟合率虽然可以很高,但实报准确率往往比较低,这是因为它所建立的预报关系是定常的,这种定常关系却随时间的推移而不同程度的变化着,同时它又不能预见和处理这种变化和随之而产生的预报误差的缘故。     

含有模糊输入的多层递阶预报方法及其在暴雨中期预报中的应用

本文结合大气科学的实际,探索对这类“模糊输入”的定量化表征方法:进而对含有模糊输入的多层递阶预报方法进行试验应用,最后给出试验应用结果。     

用多层递阶方法作中期气温预报

一、前言四月上、中旬正值我省春播的关键时刻,气温的高低对春播影响较大,低温阴雨会造成烂秧,高温阴雨会出现病虫害,因此作好春播期的中期气温预报是很重要的。通常运用回归分析方法作预报存在着一定的局限性。     

多层递阶方法在短期天气预报中的应用试验

本文使用多层递阶的基础理论,提出了短期雷暴预报的两种模型A和B。试验结果表明,多层递阶方法,对于短期天气预报也具有较强的预报能力。     

用多层递阶周期分析作西沙海区热带气旋长期预报

西沙海区是我国受热带气旋影响最频繁的海区之一，全年除2月份外，各月均有热带气旋影响。由于西沙海区是南海的主要交通枢纽，了解西沙海区热带气旋的活动规律及做好该海区的热带气旋预报，具有重要的经济和国防意义。本文在统计分析1949～1995年西沙海区热带气旋活动规律的基础上，根据天气预报的多层递阶方法卜」的基本思路——将天气系统看成是随机动态的时变系统，把对天气系统的状态预报分成两步。首先对系统的时变参数进行预报，然后再对系统的状态进行预报。为了改进目前多层递阶方法中大多采用仅有预报因子的线性单输出系统模型存…     

影响海南岛热带气旋的多层递阶周期分析长期预报模型

使用历年影响海南岛的热带气旋个数作资料样本,在经典多层递阶预报模型的基础上引进多层递阶周期分析,在时间序列自身周期显著的情况下,使用时间序列的显著周期分量取代经典模型中的自回归部份,建立影响海南岛热带气旋的多层递阶周期分析长期预报模型,合理地反映热带气旋影响海南岛的变化规律,提高预报的准确率。