优势波分型下的多因子LOGIT回归模型

本文用1972—1981年3月27日至6月10日500mb高度纬圈波波谱资料,在对春季超长波、长波、相角、振幅以及西风指数等特征进行定性分析的基础上,以55°N纬圈上各简谐波(波数K:1,2……6)的振幅方差百分比I_k进行优势波分型,选取34个待选因子,分型算出它们与对应y(降水:有雨为1,无雨为0)的相关系数,挑选相关性较好的因子两两作点聚图,求出点聚图上九点滑动平均的降水概率,建立优势波分型下的分对数(LOGIT)模型,用PPM法作逐日晴雨预报。 用本回归模型对1983年进行试报,1984年4月应用于日常中期预报,效果良好。     

最优化处理法估测黔西南地区降水

利用2004年多普勒雷达资料及自动站雨量资料,在黔西南地区进行降水估计。采用最优化处理法得到该区域的Z-I关系。选取2005年1~7月的部分资料进行检验对比,并对误差进行分析。结果表明,用此方法得出的Z-I适用性较好,准确率达80%以上。     

Z-I关系最优化处理法改进研究

通过对在雷达—雨量计联合估测区域降水量研究中广泛使用的Z-I关系最优化处理法进行深入分析发现,使用该处理方法存在两个问题,一个是其判别函数的推理基础薄弱,需对该判别函数的科学合理性进一步探讨;另一个是该处理方法所提供的寻找判别函数达到最小的方法有必要进行改进,否则将对最小值点的精准确定有一定影响。针对上述两个问题,本文提出了Z-I关系最优化处理法的衡量标准,建立了新型的判别函数,同时提出了寻找新型判别函数达到最小值的改进计算方法—变步长循环计算法。     

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。     

加权演化的交通网络模型研究

加权网络是复杂网络研究的一个重要领域,交通网络是一个典型的加权网络．交通网络的发展演化对国民经济的繁荣发展起着至关重要的作用．综合复杂网络的拓扑结构和交通流量计算的顾客选择理论,提出了一种随时间演化基于乘客中转路径的交通系统发展演化模型,并对模型进行了分析和数学验证,分析结果为该模型的点强度、点度和权重分布性质和ＢＢＶ模型完全一致;网络是无尺度网络,点强度和点度分布都服从幂律分布,并且指数在２３３～３００之间．最后通过仿真实验对演化模型进行仿真,结合中国交通网络的实证分析验证了模型的合理性．     

非线性回归模型及其应用

本文提出了非线性回归模型的一般处理方法,指出取得优良初始参数的必要性,通过利用Gauss-Newton迭代得到参数的估计值,进一步利用固有曲率和参数曲率度量曲线的性态,为重新参数化,找到更好的非线性回归万程奠定了基础。文中并有应用的实例。     

基于气象因子及机器学习回归算法的夏季空调负荷预测

气温、气压、相对湿度等气象因子对夏季用电负荷的影响非常显著。为了定量研究气象因子导致用电负荷的变化,本文将夏季用电负荷与当年4月及9月用电平均值之差定义为夏季空调负荷,并利用2014年1月到2016年12月南京市逐时气温、气压、相对湿度、水汽压、降雨量、风速、露点温度等气象资料,以及逐日逐时用电负荷数据资料,采用多元线性、K近邻法,决策树,bagging回归、随机森林等5种机器学习回归算法进行建模,并对其分别进行参数调优工作,进而得到空调负荷预测结果。结果表明:多元线性回归方法是5种回归算法里效果最差的一种,但通过增加特征量的种类和样本数,可以提高预测精度;随机森林回归算法是5种回归算法里效果最好的一种,较多元线性回归算法减小误差达44%,并且较好描述了空调负荷高值区的极端情况并减少了对于训练数据的过拟合现象。     

回归分析中因子群讯息的浓缩

一、问题的提出回归分析被广泛地应用于天气预报,并收到较好的效果。一般回归(一次回归)是在事先将预报因子加以挑选,选取达到一定信度a的预报因子,然后根据最小二乘方原理建立预报对象的回归方程。这些预报因子在回归计算过程中无一例外地全部引进方