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。     

利用最优子集回归作鲁南夏季降水量预报

通过普查北半球５００ｈＰａ、１００ｈＰａ月平均高度场与鲁南夏季降水量的相关，选取相关信度达到０．０５的相关区的格点平均高度值作为预报因子，利用最优子集回归建立鲁南夏季降水量预报方程，并投入业务运用，通过与逐步回归方法比较得知，最优子集因归比逐步回归具有更好的预报效果。     

用一次最佳子集回归作晴雨预报

为了充分利用特定样本各因子分布的特殊信息，降低一次预报的平方误差期望值，本文选用一次预报最佳子集回归法作晴雨预报[1]。该方法与普通回归法的不同在于：对于一次特定的预报，回归方程的因子数并不确定，要通过筛选因子及加权来尽量降低预报平方误差期望值。     

用矩阵回归方法作德阳春季寒潮预报

本文从数值预报模式在不同时次输出同一时刻预报产品的稳定性出发,采用MATLAB6.5语言进行矩阵回归运算,建立德阳5站春季(3~4月)24~96小时逐日平均气温预报模型,从而作出德阳春季寒潮预报。     

用矩阵回归方法作德阳春季寒潮预报

本文从数值预报模式在不同时次输出同一时刻预报产品的稳定性出发,采用MATLAB6.5语言进行矩阵回归运算,建立德阳5站春季(3～4月)24～96小时逐日平均气温预报模型,从而作出德阳春季寒潮预报.     

最优子集回归在逐日分县预报中的应用

本文采用ECMWF北半球500hPa高度、850hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好。     

最优子集回归在逐日分县预报中的应用

本文采用ECMWF北半球500 hPa高度、850 hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好.     

最优子集回归在青藏高原冬季降水、气温预报中的应用及改进

最优子集回归预测方法在天气预报等领域得到了越来越广泛的应用，方法本身没有涉及到图形处理。我们对方法、原理及过程进行深入细致的研究后，重新编写了程序的头部、中部、尾部语句及子过程调用函数，经多次调试试验，实现了入口资料调用灵活、多变、计算模拟结果屏幕绘图显示等，提高了预测方法的整体实用性和预测信息的可视化程度。检验得知：该方法对青藏高原冬季降水、气温的定性、定量预报均具有较高的预报精度。     

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。     

基于多元线性回归的滇西南短时强降水预报模型研究

利用云南省普洱市2015—2017年多普勒天气雷达资料、探空资料和气象观测站5 min雨量观测资料,分析了普洱地区研究期间41次短时强降水的环境场和雷达回波演变特征。结果表明:中尺度辐合线、中气旋、逆风区是强降水触发和维持的重要成因。短时强降水发生前,整层大气水汽充沛,静力不稳定层结,大气可降水量(PW)≥35 mm、SI≤-0. 23、K> 35,可作为环境场对流潜势的判定因子;短时强降水发生时,雷达回波最强反射率因子≥40 d Bz,35 d Bz回波顶高> 5 km,径向速度的辐合切变量> 5 m·s^-1。通过多元线性回归分析,选取4个相关性显著的影响因子,建立普洱市短时强降水预报模型。所选预报因子包括:35 d Bz回波顶高、30 d Bz垂直剖面中心高度、30 d Bz以上雷达回波面积和SI。预报模型的回报检验表明,普洱短时强降水平均雨强相对均方根误差为17. 0%,局地降水持续时间相对均方根误差为33. 9%,局地过程降水相对均方根误差为25. 6%,回报效果较好。4次短时强降水预报检验中,平均雨强的预报误差每5 min小于1. 2 mm,局地强降水持续时间的预报误差小于10 min,局地过程降水的预报误差小于4 mm,模型均预报出局地连续性降水超过50 mm。预报模型有较好的预报能力,可应用于普洱短时强降水的临近预报预警。     

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。     

用线性回归方法建立贵阳市空气质量预报模式

利用贵阳市大气中 3种主要污染物浓度的实时监测资料和气象观测资料 ,建立污染物浓度的自回归模型及其与相关气象因子的多元回归模型 ,并将两种模型进行拟合 ,确定空气质量预报的统计模式     

年际变量自相关法在降水预报中的运用

用年际变量自相关法作月、季降水预报,并在计算机上实现自动计算结果,通过近两年的运用检验,效果尚可。     

基于偏最小二乘回归方法的西北区寒潮延伸期预报

利用2000-2013年西北地区376个国家站逐日最低气温及NCEP FNL再分析资料,基于西北区站点降温幅度和欧亚大陆500 hPa低频高度场,使用偏最小二乘回归方法建立西北区站点寒潮延伸期预测模型,分别以2017年1月的一个寒潮日和非寒潮日为例进行预测试验,并对2014-2017年冬半年(共728 d)西北地区的寒...     

A method of carbon monoxide emission forecast in Moscow

Proposed is a method of operational forecast of carbon monoxide distribution in Moscow based on the data on the power and distribution of its sources. Described is a method of computation of carbon monoxide emission to the atmosphere based on the data on its concentration. It is demonstrated that the emissions computed by this method can be used as the input data for chemistry transport models. Carried out is a number of numerical experiments with the COSMO-ART model. The results of model simulations are in good agreement with the observational data. The developed method of computation of carbon monoxide emissions enables to realize the operational short-range forecast of its concentration.     

应用回归统计方法制作城镇气温预报

从城镇天气预报工作实际出发,采用插值方法将欧洲中心850hPa高空温度预报结果内插到城镇预报站点。运用线性回归方程建立站点气温预报模式,并对不同的历史时间段样本计算结果进行检验,根据结果来选择最佳的样本参数。     

Bayesian regression model for seasonal forecast of precipitation over Korea

In this paper, we apply three different Bayesian methods to the seasonal forecasting of the precipitation in a region around Korea (32.5°N?C42.5°N, 122.5°E-132.5°E). We focus on the precipitation of summer season (June?CJuly?CAugust; JJA) for the period of 1979?C2007 using the precipitation produced by the Global Data Assimilation and Prediction System (GDAPS) as predictors. Through cross-validation, we demonstrate improvement for seasonal forecast of precipitation in terms of root mean squared error (RMSE) and linear error in probability space score (LEPS). The proposed methods yield RMSE of 1.09 and LEPS of 0.31 between the predicted and observed precipitations, while the prediction using GDAPS output only produces RMSE of 1.20 and LEPS of 0.33 for CPC Merged Analyzed Precipitation (CMAP) data. For station-measured precipitation data, the RMSE and LEPS of the proposed Bayesian methods are 0.53 and 0.29, while GDAPS output is 0.66 and 0.33, respectively. The methods seem to capture the spatial pattern of the observed precipitation. The Bayesian paradigm incorporates the model uncertainty as an integral part of modeling in a natural way. We provide a probabilistic forecast integrating model uncertainty.     

乡镇精细化最高最低气温预报方法研究

对2008年10月至2009年9月安徽省乡镇与县站观测站最低、最高温度的差异进行统计分析。结果表明：乡镇观测点和县站观测点之间的最低、最高温度具有明显差异,且随着季节变化而不同。在此基础上,以预报员主观制作的县站最高、最低预报结果作为基础,利用修正Barnes插值和一阶卡尔曼滤波订正方法制作乡镇站点的最低、最高温度预报表明,该方法制作的乡镇站点最低、最高温度具有较高准确率,前3 d的乡镇最低温度预报准确率和县站的预报比较接近,预报准确率差异在1 %之内,但随着预报时效的增加两者的差异略有增加;对于乡镇的最高温度预报,与县站的最高温度预报小于2℃的准确率始终保持在3 %之内,该方法优于基于WRF模式的MOS方法。对比一阶卡尔曼滤波订正前后效果发现,该方法对乡镇最低和最高温度的前4 d预报具有正订正效果,而对于第5-7 d没有订正效果或为负订正效果。当区分转折性天气后,可以提高第4-7 d的最高温度预报准确率。     

一种夏季强雷雨预报因子的选取方法

为了提高对武汉天河机场夏季强雷雨天气预报准确率,利用极值剔除法选取了5个预报因子;这些因子分别与中低层大气和地面的温度、湿度等要素有关。将预报结论与天气实况进行对比后发现:极值剔除法所得的预报因子可以有效地减少夏季强雷雨的漏报率。