近邻估计—线性回归预报模型及其台风暴雨预报试验

讨论了回归分析领域中线性回归和近邻估计的主要特性。在此基础上推导设计了一种能取其优点和避免其缺点的预报模型——近邻估计与线性回归相结合的预报模型,并把该模型试用于台风暴雨预报。试验结果表明,它的预报准确率和预报稳定性均优于它的原型——近邻估计和线性回归模型。     

相关比回归模型与线性回归模型对比分析

在日常的统计天气预报中,我们采用线性相关系数挑选预报因子,但实际经验告诉我们:某些预报因子与预报对象之间存在着明显的非线性关系。我们在国外提出的相关比计算方法的基础上,把近邻权方法引入到相关比计算中,以提高其估值精度,并提出相关比回归模型,把非线性信息引入到模型中。本文通过实际试验结果分析线性回归模型与相关比回归模型的优劣、不同近邻权参数对相关比回归模型拟合、使用的影响。     

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。     

人工神经网络法和线性回归法对降水相态的预报效果对比

本文主要对相同条件下线性回归法(LR)和人工神经网络法(ANN)对降雨、雨夹雪和降雪3种降水相态的预报效果进行了对比检验.选取降水发生时和发生前6h的地面2 m温度、露点温度作为预报因子,对降雨、雨夹雪和降雪进行预报.应用国家气象中心2001-2011年我国地面756站实况观测资料,其中应用2001-2010年资料对方法进行训练,2011年资料用来对比检验预报效果.结果显示,(1)两种方法对3种相态降水都有一定的预报能力,对降雪预报最好,其次是降雨和雨夹雪;(2)两种方法对北方的雨雪分界线预报比对南方的好;(3)无论是对全国还是长江中下游流域,在相同条件下,ANN法的预报效果大都优于LR法,当温度和露点温度预报准确时,ANN法对北方的雨雪分界线能进行较准确的预报.     

气象场预报的线性转置模型

引　言线性转置模型 (ＬｉｎｅａｒＩｎｖｅｒｓｅＭｏｄｅｌｉｎｇ ,简称ＬＩＭ )是Ｐｅｎｌａｎｄ最早提出的 ,并且自1994年以来在美国ＮＯＡＡ -ＣＩＲＥＳ/ＣｌｉｍａｔｅＤｉａｇｎｏｓｔｉｃＣｅｎｔｅｒ作为热带印度洋～太平洋、北大西洋、加勒比海海表温度距平业务预报的方法之一使用[1～ 5 ] 。“线性转置”的基本含义在于 ,假设预报对象场时间演变是线性的 ,那么它的主成分 (距平场ＥＯＦ展开的时间系数 )时间演变也是线性的。由于前几个主成分代表着原场大尺度成分的演变 ,具有较长的可预报时间界限 ,因而只要对截取的前几个主成…     

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     

线性回归集成在汛期降水预报中的应用

长期天气预报以什么作为预报因子更妥些?这里我们仅从某地区长期天气过程的演变,与大气环流中某些影响该地区长期天气过程变化的主要活动系统的变化,及其相互制约上来考虑问题。在500毫巴月平均图上,在亚欧范围内选取前期1—12月份各月500毫巴月平均图上十个关键区作预报因子,以此来表示主要活动系统,某地预报对象到底与前期那个月的500毫巴月平均图上     

最佳子集多元线性回归模型在热带气旋风圈 变化预报中的应用

基于最佳路径(IBTrACS)数据集和欧洲中期天气预报中心(ECMWF)的再分析(ERA-Interim)数据,建立了西北太平洋上(Western North Pacific,WNP)热带气旋(Tropical Cyclone,TC)的七级风圈(R17)变化的最佳子集多元线性回归(bs-MLR)模型.首先根据2001～...     

用多元线性回归分析作凯里站5月逐日晴雨预报

利用多元回归分析方法建立凯里站逐日晴雨预报方程。预报因子的资料来自“黔东南州短期预报业务自动化系统”，通过“0，1”编码方案进行处理。建立的回归方程预报效果呆投入业务使用。     

曲线回归模型的概率预报方法研究

统计回归模型的因变量与自变量多为一种不确定的函数关系，不能期望自变量的数值相同，因变量的数值必然相同。如稻谷产量与生育期总积温这两个变量就存在着不完全确定的关系，即生育期总积温相同，在不同的年分里，既使在同一块田里，稻谷的产量也往往不同。     

曲线回归模型的概率预报方法研究

1 引言 统计回归模型的因变量与自变量多为一种不确定的函数关系,不能期望自变量的数值相同,因变量的数值必然相同。如稻谷产量与生育期总积温这两个变量就存在着不完全确定的关系,即生育期总积温相同,在不同的年分里,既使在同一块田里,稻谷的产量也往往不同。出现     

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     

基于逻辑回归模型的雷电潜势预报方法

利用闪电定位资料、广州地面观测资料和清远探空观测资料,分析了广州的雷电日分布特点,提取了相关的环境场物理量,应用逻辑回归模型技术,针对广州地区3～6月的雷电活动,研发了适用于该地区日间和夜间雷电活动的预报方程,为雷电潜势预报提供了一种比较客观的预报方法.检验结果表明,该方法的预测成功率超过76％,日间段预报效果总体优于...     

南海热带气旋强度预报的线性模型与非线性模型研究

以1980—2012年共33 a的6—10月在南海生成或西行进入南海海域的热带气旋样本为基础,采用线性回归方法和非线性人工神经网络方法,分别进行12～72 h各个预报时效的南海热带气旋强度预报模型建模研究。根据相同的热带气旋个例,相同的预报因子,将逐步回归预报模型、BP神经网络预报模型和遗传-神经网络预报模型进行比较。试验预报结果表明,非线性的神经网络预报模型比线性的回归模型有更好的预报能力;而同为非线性模型,遗传-神经网络模型比BP神经网络预报模型预报能力更强。      

一种新的线性回归模型及其应用示例

回归分析是统计分析中常用的方法之一。传统的回归模型不具备全域分析能力,而变量场之间的关系多采用SVD（Singular Value Decomposition）进行分析,与传统的回归分析有所脱节。更为广义的线性回归模型是传统线性回归模型的延拓,在标量情况下,该模型可转化为传统线性回归模型。该模型的基本特征包含乘法不可互易性、等价于传统线性回归（因子项为标量时）、可分析性、延拓性、降维特征及容错性等。该模型解决了传统的线性回归模型不具备全域分析能力及模型表达能力受限于模型维数的现实问题。本文采用了NCEP（National Centers for Environmental Prediction）降水、高度场、风场月平均资料及国家气候中心西太平洋副热带高压指数资料,利用该模型和传统回归方案进行对比分析,分析结果表明,该模型具有一定的实用参考价值。     

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     

基于一元线性回归的ECMWF细网格阵风预报产品订正评估

利用2021年10月至2022年3月(2021年冬半年)欧洲中期天气预报中心(European centre for medium-range weather forecasts, ECMWF)细网格阵风预报数据和河南省国家级地面气象站阵风观测资料,基于一元线性回归(linear regression, LR)方法,对河南省ECMWF阵风预报进行订正,并对其检验评估。结果表明：(1)2021年冬半年,河南省多出现6级以下的阵风天气。ECMWF模式对于7级及以下的阵风预报存在整体高估的现象,对于7级以上的阵风预报存在低估的现象。(2)LR订正后准确率、均方根误差在所有预报时效均有明显的改善。订正后准确率较高、均方根误差较小的站点主要分布在京广线以东大部分地区、焦作、南阳南部;豫西山区订正效果一般,其复杂的地形易导致阵风偏高,而6级以上阵风样本数较少,预报订正值稳定性相对较差。(3)阵风预报与起报时次的关系不大。LR方法针对6级以下阵风预报有一定的优势,技巧评分(T_s评分)较ECMWF预报高,预报偏差(B_ias评分)更接近1。     

利用EXCEL软件进行线性回归分析

介绍了EXCEL数据处理软件在一元和多元线性回归分析中的应用方法及实现技巧。