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。     

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。     

临夏春末夏初干旱预测模型

在临夏春末夏初干旱气候和环流特征分析基础上,建立了相应的综合模型,经业务使用,准确率较高。     

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。     

陇东黄土高原春末夏初旱的气候特征及预测模型

应用自然正交函数分解(EOF)方法，分析了甘肃省庆阳地区春末夏初干旱的综合评价指数DH的空间分布特征及随时间演变规律；分析了春末夏初干旱对冬小麦和玉米产量的影响；应用逐步回归方法建立了春末夏初干旱的预测模型，业务使用效果良好。     

白银市春末夏初干旱成因分析及预测

通过白银市春末夏初干旱指数[1] 与北半球 50 0hPa、10 0hPa海平面气压和太平洋海温的月平均环流典型年的对比分析、相关分析发现 ,春末夏初干旱与这些环流背景有密切关系 ,在此基础上 ,提取了选入预测模型的因子。用 3种方法建立预测模型 ,再进行预测集成 ,试报了 1991～ 1998年的春末夏初干旱指数 ,效果很好     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

甘肃省春末夏初干旱与亚欧前期环流的关系

春末夏初少雨是青藏高原东侧天气气候的一种重要现象。它对高原东侧广大地区的农业影响很大。此时正值春麦拔节到乳熟的需水关键期,因此降水的多少决定着产量的高低。根据文献[1]的分析,甘肃中部5—6月的降水量与定西地区夏田单产的相关系数为0.478,信度为0.05。我们曾计算过古浪县5—6月降水量与春小麦产量之间的相关系数为0.668,信度高达0.001。这些说明产量在很大程度上取决于降水的多少,因此春末夏初降水的预报,一向是我省广大台站的重要课题。本文介绍了我们近年业务预报方法的建立和应用。     

奇异谱分析-最大熵结合最优子集回归方法在中国夏季降水预测中的应用

基于奇异谱分析-最大熵预报方法（SSA-MEM）和最优子集回归方法（OSR）,综合考虑降水量序列自身的变化特征和外强迫因子对降水的贡献,把奇异谱分析-最大熵预报方法和最优子集回归方法结合起来,提出了SSA-MEM和OSR集成的新方法。对1961—2000年的夏季降水量进行拟合并试做2001—2004年的夏季降水预测。结果表明,回报拟合值与实况值距平相关系数达到0.85,通过了0.01的显著性水平检验。预报的平均技巧得分较高,试报准确率达到69%,略高于目前国内对汛期降雨预测的平均准确率。初步的试验表明,本方法对全国范围夏季降水有较好的预测能力,在东北及西南地区预测结果尤为显著。     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。     

用多因子筛选和均生函数序列双重最优子集作降水量预报

把均生函数延拓序列作为因子加入最优子集回归方程，将因子筛选和均生函数分析相结合作最优子集回归双重分析，用于制作钦州市月降水量的预报，预报精度有所提高。     

用多因子筛选和均生函数序列双重最优子集作降水量预报

把均生函数延拓序列作为因子加入最优子集回归方程,将因子筛选和均生函数分析相结合作最优子集回归双重分析,用于制作钦州市月降水量的预报,预报精度有所提高。     

均生函数—最优子集回归在高温极值预测中的应用

根据南京等城市1961年以来历年气温极值资料序列，采用均生函数—最优子集回归法设计的短期气候预测模型不但能较好地拟合历史实况，而互对未来l～5年的演变趋势也具有一定的预报能力。     

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。     

多因变量双因子集矩阵回归预报方法

在多因变量多元回归中,采用单因子筛选引入公共预报因子进行矩阵回归预报时,由于自变量间互相关联,有可能存在这样的双因子,单个因子回归检验不太显著,但2个因子检验变得显著,势必造成某些预报信息的遗漏。基于此该文引入多因变量双因子集矩阵回归预报方法,通过对玉溪市9站点5月雨量预报检验,预报效果明显高于单因子筛选回归,尤其对特多特少异常年更具有指导意义。     

南充地区春末夏初冰雹成因及预防方法

将天气学方法与预报员经验紧密结合，在深入分析环流背景和环境场特征的基础上，提出了以暖气团参数为主的冰雹预报方案，经两年实践检验，明显提高了南充地区春末夏初冰雹预报的精力能力。     

南充地区春末夏初冰雹成因及预报方法

将天气学方法与预报员经验紧密结合，在深入分析环流背景和环境场特征的基础上，提出了以暖气团参数为主的冰雹预报方案。经两年实践检验，明显提高了南充地区春末夏初冰雹预报的业务能力．     

自回归模型的最优定阶及其在长期预报中的应用

对自回归模型的5种定阶方法（FPE、AIC、BIC、L1和L2准则）作了概述，并应用上述方法对青岛月平均温度序列进行了自回归模型定阶试验。结果指出，FPE、AIC和L1准则选择自回归模型的阶数较高，L2准则选择自回归的阶数为中等，BIC准则确定的阶数最低。文章还提出了一个应用自回归模型递推预报月平均温度的方法，预报实践证明，由BIC准则产生的低阶自回归模型的效果优于其它方法。