基于均生函数的EOF迭代温度长期预报

本文用单站温度时间序列的均生函数周期延拓序列拓展预报因子,然后进行EOF迭代温度预报试验,并与主分量、逐步回归筛选方案建模法的预报结果进行比较,初步表明:这种预报方法充分地利用了要素序列与其优势周期的主要相关信息,它具有一定的预报能力。     

均生函数场预报模型对降水预报的试验研究

基于均生函数的处理原则,运用经验正交分解方法,将正交展开的时间系数俄为预报因子,并引入逐步算法进行因子筛选建立预报模型。将均生函数场预报模型用于云南省汛期雨量及５月雨量预报试验。结果表明：用这种模型作区域性降水预报有一定的优越性,并可作多步预测,是一咱滚动客观预报方法。     

场对场预报模型及其对降水的预报试验

用经验正交函数对预报因子场和预报对象场分别进行分解，将正交展开的时间系数作为预报因子和预报对象，提出了一种场对场预报模型，该模型考虑了预报系统的时变性，并利用云南５月份的雨量资料进行了预报试验。结果表明，用这种模型作区域性降水预报有一定的优越性。     

一种局地非线性气候动力统计模型及其预报试验

根据反演建模理论，在引入一次样条函数的基础上，设计了一种局地非线性气候动力统计模型及其一整套反演方案。其实质是用逐段线性化的研究局地气候演化的非线性特征。作为初步试验，利用云南省18个测站1956年1月－1990年12月逐月温度距平和逐月雨量距平率的时间序列，反演得到一组近似描述云南省局地气候系统的非线性动力统计方程，应用反演获得的此非线性动力统计方程进行了云南省18个测站1991年1月－1994年12月逐月温度距平和逐月雨量距平率的预报试验。试验结果表明，温度距平和雨量距平率的拟合准确率分别约为78％和64％；温度距平和雨量距平率的外推预报准确率分别为75％和63％。表明此模型具有一定的拟合和预报能力，同时具有良好的稳定性。     

均生函数模型在广西1998年春播低温阴雨结束期预报中的应用

均生函数模型是由时间序列按不同的时间间隔计算均值,生成一组周期函数,然后用原序列与这组函数建立预报方程.本文应用均生函数对广西春播期低温阴雨结束期建立了预报模型,并进行试报与预报检验.根据广西低温阴雨结束期气候分布特点,以桂林站代表桂北地区,柳州、河池、梧州站代表桂中地区,南宁、玉林、钦州站代表桂南地区,百色站代表右江河谷及沿海地区.结果表明,以各代表站低温阴雨结束期为原序列,建立均生函数模型,其趋势预报效果较好.(1)均生函数模型对广西低温阴雨结束期有较强的预报能力,尤其对低温阴雨结束期极值年有较好的拟合和预报能力.(2)预报误差小,结果稳定、客观定量.     

省级区域范围产量场预报的研究

用经验正交分解的方法将产量场分解为不随时间变化的空间函数及依赖时间变化的时间函数两部分正交分量,每个正交分量代表一种空间分布形式,即典型分布。典型产量分布的时间函数的年实际变化可以气象因子场的典型分布时间函数为自变量,用逐步回归分析方程预报,进而得到预报年的产量分布场。     

气象学中概率论与统计学的新发展

本文分随机-动力预报、观测资料的同化(assimilation)、时间序列分析、统计天气预报、概率预报以及统计在人工降水试验研究中的应用等六个方面介绍统计气象学的新发展,并且指出各个方面所存在的一些问题,特别指出需要多学科共同解决的课题。     

多步预测的降水时序模型

该文设计了一个能作多步预报的时间序列模型，先生成时间序列及其差分的均生函数，再运用双评分准则对所有均生函数延拓序列作粗选和精选，以期建立一个拟合和预报效果均好的模型。就长江中下游6—8月降水总量的序列进行了计算，证实该模型可用在制作逐年气候预报或分月长期预报中。     

渭南市长期预报业务系统

系统是为地市气象台开发的长期预报业务软件 ,由数据库模块、气象要素的时间序列预报模块、关键农事季节预报模块及统计预报方法制作模块 4部分组成 ,将预报结果采用“多元决策加权法”进行集成 ,得出最终的预报结论 ,还可以用相关分析、点聚图等方法选取因子 ,建立统计预报模型     

基于动力统计模型重构的副热带高压中长期预报

基于T106数值预报产品500 hPa位势高度场序列,用EOF方法对位势场序列进行时、空分解,在考虑相邻时段位势场空间模态基本稳定的前提下,引入动力系统重构的思想,以EOF分解的空间模态时间系数序列作为动力统计模型变量,用遗传算法全局搜索和并行计算优势,进行了模型参数的优化反演,建立了EOF分解的时间系数的非线性预报模型。通过模型积分和EOF的时、空重构,实现了副热带高压活动场的中长期预报。试验结果表明,在短期预报(1—5 d)该模型与T106模式的预报效果大致相当;但对于中长期预报(≥5 d),其预报效果优于T106预报产品;特别是10 d以上的预报结果对副热带高压的形态和范围仍然能较为准确地描述。该研究方法对副热带高压等复杂天气系统和要素场预报提供了一种新的思路。     

我国月地面温度场的自回归滑动平均模型

对1952—1980年我国连续的月地面气温用时间序列ARMA（p、q）模型进行随机建模。月温度由60个站组成，用经验正交函数加以展开，取不同的样本长度即348,336和300月，以便考察经验正交展开的稳定性。前四个主成分，即z1,z2,z3,z4取为多维时间序列的变数，因为它们的总方差贡献达99.26%。在这四个主成分序列中的决定性周期用周期图和最大熵方法加以揭露。对一维变量zi,(i=1,2,3,4)的ARMA（p,q）的模型识别用Pandit-Wu方法进行，这样就可求得实验模型。用zi模型的外推值来预报月温度场。距平预报的命中率评分为78.3%，高于目前的业务长期天气预报。     

当前台站在数理统计预报上的主要问题及其分析

近十年来,我国台站普遍开展了统计预报,主要是把多元分析和时间序列应用于天气预报、资料分析、农业气象,取得了一定的成绩。但是,基层台站在开展应用上已经几起几落,有人认为统计预报方法“不能用”,有人认为“不好用”,有人觉得“用不好”。实际上,我们基层台站在统计预报方法的应用上也确实存在不少问题,如不很好解决,势必影响使用。今后开展模式输出统计预报(MOS),数理统     

多元分析和天气预报

1.引言很多统计方法都可用于作几天以上的天气预报,而对于短期预报来说,往往用非统计方法来作更为合适。对于单个变量来说,已经有一些人们所熟悉的统计预报方法。但是在气象学中,通常要求同时作出多个变量的预报。虽然在多元时间序列预报方面已经开展了一些工作,但其效果如何,尚不十分清楚。本文对多元分析的标准方法(不是多元时间序列方法)进行了探讨,用以说明这些方法是如何用于预报的。这些方法大多数是气象工作者所熟悉的,但人们对它们在气象预报中的作用则了解甚少。本     

长期大气折射指数预报研究

本文对近地面大气折射指数气候变化统计预报进行了研究,建立了逐步回归多重分析时变模式。在模式中考虑了大气折射指数肘间序列的振动周期、前期预报因子(降水量),还特别考虑了时间序列的振动位相,并随着新数据的到来,适时地改变预报因子和预报方程的参数。本文用该模式对上海近地面6月上旬旬平均大气折射指数进行了长期预报试验,结果表明预报误差较小,预报效果稳定,具有较好的实用价值。这方面的工作可用来对无线电波的传播环境进行预测,从而对电子工程系统进行适时的调整控制。除此而外,该预报模式也可以应用于其它的预报领域。     

雷暴短时警戒的一个统计预报方法

用一个多元判别分析程序,求得4月和7月的普通雷暴活动和强雷暴活动的预报函数。四个预报因子:抬升指数,低层平均的混合比,K 指数和200—300mh 平均散度的统计组合,用于落基山东部地区的预报。预报时效为12小时。对相关和非相关资料用概率检测(POD)进行试验,一个失误率(FAR)和因一个成功临界指数,显示出预报函数是稳定的。预报函数在使用时用两种处理方法来检验,一个包括概率检测(POD)和失误率:另一个用更常用的概率处理方法。1979年4月和7月试用结果表明】,统计方法的效果尚佳。     

人工神经网络方法在降水量级中期预报中的应用

将人工神经网络方法与统计方法相结合，采用分步预报的方法，首先用经验统计方法进行晴雨预测，再用BP人工经网络建立降水量级预报模型，探讨神经网络方法在中期降水预报的应用，试验表明，神经网络方法能提高中到大雨降水量级的中期预报能力，但对暴雨的预报不理想。     

用支持向量机方法作德阳降水预报

本文对支持向量机(svm)回归方法的基本原理作了简要的概述.用常规观测资料并依据预报人员的实际工作经验选取预报因子,采取经典统计预报方法的方式,利用svm方法,选取径向基作为核函数对德阳市各站日降雨量建立预报模型.     

用支持向量机方法作德阳降水预报

本文对支持向量机（svm）回归方法的基本原理作了简要的概述。用常规观测资料并依据预报人员的实际工作经验选取预报因子，采取经典统计预报方法的方式。利用svm方法，选取径向基作为核函数对德阳市各站日降雨量建立预报模型。     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上,利用其残差数据序列对均生函数预报模型进行校正,提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合,并进行独立地样本预报试验。预报结果发现,均生函数残差预报模型对原有模型在预报精度上都有一定的改进,取得了较好的预报效果。同时,利用M ann-K enda ll法和Y am am oto法,可以明确突变开始的时间,指出突变区域,使待报时段与建模资料处在同一气候阶段则预报效果更为理想。