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     

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     

长期天气预报中多层递阶方法的改进试验及其应用

一、引言多层递阶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数学预测模型,它将预报对象看成是随机动态的时变系统,摒弃了经典统计理论中的固定参数预报模型,故对天气预报这一类时变系统具有较强的适应能力,因而引起了气象工作者的广泛关注,并进行了许多有益的探索和尝试。近几年来,多层递阶方法在气象领域中的应用日益广泛,特     

多层递阶预报模型试做长期天气预报

根据预报量与预报因子的实际情况，提出用灰色系统中的关联分析筛选非线性因子。同时利用时变参数跟踪理论，将复杂的非线性系统预报问题转化成简单的带时变参数的线性多层递阶预报问题。经实际应用证明，用此法建立的多层递阶预报模型优于线性因子所建立的多层递阶预报模型。     

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…     

多层递阶方法及其与谐谱分析结合作梅雨期大-暴雨中期预报试验

多层递阶方法是运用现代控制论中系统辨识观点提出的一种新的数值预报方法；谐谱分析便于揭示不同纬圈上不同尺度的波动特征。本文应用其结合方案对梅雨期大-暴雨中期过程进行试验。比较分析表明，以增长记忆的多层递阶预报模型效果最佳。经试报及业务使用该方案效果较好。     

因子处理方法差异对多层递阶预报效果的影响

一、引言天气预报中的多层递阶方法将天气系统看成是随机动态的时变系统,摒弃了固定参数预报模型,受到了气象工作者的关注,并进行了许多有益的探索和尝试,取得了一定效果。但是,由于多层递阶方法应用于气象的历史不长,理论本身也不尽完善,许多问题还有待于解决,加上其物理意义不甚清楚,因而在实际应用时常常不尽人意,如果我们不分析其     

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。     

海南岛冬季平均气温的多层递阶自回归长期预报模型

使用海南岛冬季平均气温资料,根据动态系统预测的理论,选用层递自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。     

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。     

海南岛冬季平均气温的多层递阶自回归长期预报模型

使用海南岛（以海口资料为代表）冬季平均气温资料,根据动态系统预测的理论,选用多层递阶自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。结果表明,预报结果与实测值误差较小,冷暖年趋势预报和定量预报效果较理想。     

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。      

多层递阶预报模型的一种改进方案

本文针对气象要素与其过去的数据自相关程度一般都较差,而与其自身的显著周期分量却存在较高的线性相关关系的特点,提出了一种改进的多层递阶预报模型。它将多层递阶方法与逐步回归双重分析相结合,用显著周期分量取代经典多层递阶预报模型中的自回归部分,使之能更好地反映气象要素自身的历史演变规律,从而稳定其预报效果。     

用多层递阶自回归模型作月降水和气温预报

采用多层递阶自回归数学模型，对泰安各月降水量和平均气温进行定量预报，通过１９８８─９３年的实际应用，大部分月份的降水量预报及气温预报，准确率较高。证明该模型实用性较强。     

系统辨识(7)：递阶辨识原理与方法

递阶辨识是系统辨识的一个重要分支.递阶辨识原理是在大系统递阶控制的"分解-协调原理"基础上发展起来的,它不仅能够解决参数数目多、维数高、大规模系统辨识算法计算量大的问题,而且能够解决结构复杂的双线性参数系统、多线性参数系统以及非线性系统的辨识问题.首先介绍递阶辨识原理和线性方程组Ax=b的著名雅可比迭代和高斯-赛德尔迭代,给出了线性方程组的迭代方法族;其次将雅可比迭代思想和递阶辨识原理用于研究一般矩阵方程和耦合矩阵方程的递阶梯度迭代求解方法和递阶最小二乘迭代求解方法;再次介绍了方程误差模型的两阶段最小二乘辨识方法(一个简单的递阶辨识方法)和线性回归模型的递阶最小二乘辨识方法;最后研究了类多变量CARMA系统的递阶辨识方法.     

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。     

西太平洋夏季副高积分多层递阶长期预报模型

本文综合了积分回归分析和多层递阶预报方法的优点，构造了一个副高特征量积分多层递阶长期预报模型，试报的结果是令人满意的。     

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。     

西太平洋副热带高压夏季特征量的多层递阶长期预报模型——副高特征量长期预报(一)

本文应用多层递阶预报方法,对西太平洋副热带高压夏季特征量进行了长期预报。试验预报结果表明,预报的趋势准确率和精度较多无回归预报方法有较大的提高。     

非线性动态系统预报的一种方法初探

本文提出一种非线性动态系统预报方法，其特点是初步考虑了预报因子的突变性和时变参数的非平稳性。数值实例说明:这种方法的预报准确性比一般多层递阶方法要好。