广东冬季水资源的预测和因子背景场分析

为预报广东冬季水资源量,利用500hPa高度场和太平洋海温场作为气候变化的相关因子场,并应用了主分量逐步回归预测模型进行了计算。利用各标准化主分量的预测结果,按照主分量逐步回归模型进行回算得到预测场。结果表明,2004年和2006年预测结果与实况比较相似;2005年冬季水资源预测值和实测值分布相差较大。为了分析预测因子的影响,对进入广东冬季水资源场前4个主分量预测方程的因子进行分析,并对个别关键因子的背景场做了细致的研究。     

投影寻踪回归模型及其在降水预测中的应用

介绍了投影寻踪回归（ＰＰＲ）预测建划的基本思想和算法,并将投影寻踪混合回归９ＰＰＭＲ）和逐步回归（ＳＲ）应用于降水预测数值试验。结果表明,ＰＰＭＲ模型的拟合和预测效果均优于ＳＲ模型的相应效果。     

舟山市汛期降水量预报方法

利用基于预测误差平方和 ( PRESS)准则的逐步回归分析和基于残差平方和( RSS)准则的逐步回归分析建立了舟山市 3个县区站汛期 ( 5～ 9月 )降水量的预报模型 ,并对两种方法的预测结果进行预报集成 ,经试报和预报检验表明 ,该模型的预测效果较好     

投影寻踪回归模型及其在降水预测中的应用

介绍了以投影寻踪回归（ＰＰＲ）进行预测建模的基本思想和算法实现。通过将ＰＰＲ和逐步回归（ＳＲ）应用于降水实例预测,结果表明ＰＰＰ模型的拟合和预测检验结果均优于ＳＲ的相应结果。     

投影寻踪回归与BP神经网络方法在前汛期降水预测中的比较研究

以1962—2006年粤北地区7个站4—6月前汛期降水量资料为基础,将前汛期降水量与74项环流指数资料进行灰色关联度分析,确定了影响粤北地区前汛期降水量的16个关键环流指数因子,分别应用投影寻踪回归、BP神经网络和逐步回归方法,建立前汛期降水趋势预测模型,对粤北地区前汛期降水趋势进行预测。结果表明:投影寻踪回归和BP神经网络方法的预测能力均优于传统的逐步回归模型。其中,PPR模型比BP神经网络方法的预测效果更好。     

投影寻踪回归与BP神经网络方法在前汛期降水预测中的比较研究

以1962—2006年粤北地区7个站4—6月前汛期降水量资料为基础,将前汛期降水量与74项环流指数资料进行灰色关联度分析,确定了影响粤北地区前汛期降水量的16个关键环流指数因子,分别应用投影寻踪回归、BP神经网络和逐步回归方法,建立前汛期降水趋势预测模型,对粤北地区前汛期降水趋势进行预测。结果表明：投影寻踪回归和BP神经网络方法的预测能力均优于传统的逐步回归模型。其中,PPR模型比BP神经网络方法的预测效果更好。     

气候场的主分量逐步回归预测模型及应用

提出一种气候场的主分量逐步回归预测模型,该模型将气候场的预测变成对该场主分量的预测。提取对气候场变化有重要影响的500 hPa高度、太平洋及印度洋海温和全球海平面气压等含不同区域不同季节的因子场的前若干个含高信息量的优质主分量因子。通过相关筛选和双重检验逐步回归,建立气候场的主分量的预测方程,由此就建立气候场与多个因子场之间的联系,但是模型却仍然保持着两个场相关的特点。根据气候场的特征向量的近似不变性,将其与主分量配合进行反算,从而得到气候场的预测。以广东汛期降水预测作为试验例子,计算了它的主分量,分析了它的时空分布特征及分类,对2003—2005年的分布作预测并与实测分布作比较及进行误差检测,发现预测效能显著。有关预测的年限、区域范围、要素和因子的物理背景等问题有待进一步研究。     

动态学习率神经网络预测气温的尝试

采用单站气象资料建立动态学习率的神经网络预测模型，进行逐日气温模拟预测，并与逐步回归预测模型和固定学习率的神经网络模型比较，结果表明，神经网络模型预测能力较好，但训练时间长。采用动态学习率的网络模型在不损失预测精度的前提下大大减少了训练时间，为神经网络在气象中的应用提供了一种方法。     

舟山市污期降水量预报方法

利用基于预测误差平方和（PRESS）准则的逐步回归分析和基于残差平方和（RSS）准则的逐步回归分析建立了舟山市3个县区站汛期（5－9月）降水量的预报模型，并对两种方法的预测结果进行预报集成，经试报才预报检验表明，该模型的预测效果较好。     

北京地区气温诊断分析

本文讨论了北京地区百余年气温的变化特征，依据加法模型理论，提出了一种气候诊断和预测方法─—逐步回归多重因子方法，其优点在于将序列的周期因子、谱成分及外界气候振动因子同时引入回归模型中。这一方法，对单序列的气候诊断和预测具有明显效果。     

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。     

南海热带气旋大风的遗传－神经网络集合预报

利用1980-2012年的南海热带气旋实况资料和NCEP/NCAR再分析资料,将热带气旋定位中心周边6×6格点上的地面风速作为预报对象,以气候持续预报因子和前期风速预报因子作为模型输入,采用遗传—神经网络集合预报方法,进行热带气旋定位中心周边36个格点上的风速预报模型的预报建模研究.分别对2008-2012年7-9月共368个独立预报样本进行遗传-神经网络集合方法的分月预报结果表明,南海热带气旋中心周边风速24h的预报平均绝对误差为2.35m.s-1.另外,本文还进一步将该预报方法与国内外普遍采用的逐步回归预报模型进行对比分析,在相同的预报量和预报因子的条件下的对比分析表明,新预报模型对≥10m.s-1的强风预报结果较逐步回归方法的优势明显,预报性能较好,可为沿海热带气旋大风预报提供新的参考.     

北京地面气温可预报性及缺测资料恢复的研究

利用１９５１－１９９０年期间北京地面气温资料作未来气温预测可预报性及缺测气温资料恢复的研究，对单月序列使用自回归、选阶自回归、逐步回归和预测残差最小逐步回归及对多月序列使用后两种模型等６种方案进行试验。结果表明，多月序列使用残差最小逐步回归模型有最好的可预报性，且预报方程具有较高的稳定性。本文使用该方案还对１８４１－１９５０年期间的缺测气温资料进行恢复。     

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。     

动态时变参数方法在云量精细化预报中的应用研究

利用2008年1月—2013年12月以及2017年1—11月全球天气预报系统（GFS）预报场资料,采用自适应线性最小二乘回归（LS）和自适应递推卡尔曼（Kalman）滤波两种动态时变参数方法,建立了河套周边地区0~168 h预报时效的总云量精细化预报,并与GFS模式直接输出的总云量、线性预报模型逐步回归预报方法得到的总云量以及非线性预报模型BP神经网络和最小二乘支持向量机回归方法（LSSVM）得到的总云量进行了对比,结果如下:（1）相比GFS模式直接输出的总云量,LS、BP神经网络、LSSVM得到的总云量与实况值的平均绝对误差均明显减小。LS方法误差最小,LS方法的年MAE均在20%~25%,且随着预报时效的延长,改进效果越大。LS方法、多元逐步回归方法、BP神经网络、LSSVM四种方法在6—8月的改进效果最大。（2）LS方法预报的总云量与实况云量的相关性最好,即使168 h预报时效的相关系数依然在0.64以上,远高于其他几种模型的预报结果。（3）LS方法能够明显地提高少云和多云天空状况下预报的击中率,且最优（少云击中率平均提高24 %,多云击中率平均提高34 %）。（4）自适应递推Kalman滤波方法存在预报滞后现象,改进效果不明显。      

黄河三花地区汛期逐日降水MOS预报的因子选择试验

河南黄河三花地区地处黄河流域的中游下段地区,该地有名的黄泛区是历史上水旱灾害频发的地区。该地汛期短期降水预报的准确与否是十分重要的。由于近年来数值预报的发展和广泛应用,局地气象要素短期预报大多使用MOS方法,其中降水预报常用一种所谓REEP的降水概率预报。本文     

夏季南海台风移动路径的一种客观预报方法

以1960—2003年共44a夏季的7月、8月、9月西行进入南海海域的台风样本为基础,综合考虑南海台风移动路径的气候持续因子和数值预报产品物理量因子,运用条件数方法选取因子并建立回归方程,进行台风路径预报模型的预报建模研究。通过对比分析发现,基于条件数方法的南海台风移动路径模型具有较好的预报效果,7月、8月、9月3个月24h台风路径预报的平均距离误差为153．9km,预报能力明显高于目前国内外的其他一些台风路径客观预报方法。该方法的预报精度相对于逐步回归方法有了很大的提高,相对于气候持续法也为正的预报技巧水平。     

Statistical prediction of heavy rain in South Korea

1. Introduction In recent decades, extreme weather events seem to be growing in frequency and risk due to water-related disasters. According to the World Meteorological Or- ganization report (ISDR and WMO, 2004) on World Water Day, 22 March 2004, the economic losses caused by water-related disasters, including floods, droughts and tropical cyclones, are on an increasing trend as follows: the yearly mean in the 1970s was about 131 billion US dollars, 204 billion dollars in the 1980s, and …     

PREDICTION OF FLOOD SEASON PRECIPITATION IN SOUTHWEST CHINA BASED ON IMPROVED PSO-PLS

In order to achieve the best predictive effect of the Partial Least Squares (PLS) regression model, Particle Swarm Optimization (PSO) algorithm is applied to automatically filter the optimal subset of a set of candidate factors of PLS regression model in this study. An improved version of the Particle Swarm Optimization-Partial Least Squares (PSO-PLS) regression model is applied to the station data of precipitation in Southwest China during flood season. Using the PSO-PLS regression method, the prediction of flood season precipitation in Southwest China has been studied. By introducing the precipitation period series of the mean generating function (MGF) extension as an alternative factor, the MGF improved PSO-PLS regression model was also build up to improve the prediction results. Randomly selected 10%, 20%, 30% of the modeling samples were used as a test trial; random cross validation was conducted on the MGF improved PSO-PLS regression model. The results show that the accuracy of PSO-PLS regression model and the MGF improved PSO-PLS regression model are better than that of the traditional PLS regression model. The training results of the three prediction models with regard to the regional and single station precipitation are considerable, whereas the forecast results indicate that the PSO-PLS regression method and the MGF improved PSO-PLS regression method are much better than the traditional PLS regression method. The MGF improved PSO-PLS regression model has the best forecast performance on precipitation anomaly during the flood season in the southwest of China among three models. The average precipitation (PS score) of 36 stations is 74.7. With the increase of the number of modeling samples, the PS score remained stable. This shows that the PSO algorithm is objective and stable. The MGF improved PSO-PLS regression prediction model is also showed to have good prediction stability and ability.     

澳门单站气象资料变化趋势的预报模型之比较

以澳门单站年和四季降水和温度两个气象要素的气象资料(1952~2001年)为主要研究对象,利用3种统计预报模型(谐波分析外推模型、开环门限自回归模型和主分量因子的逐步回归模型)进行拟合及试报,对澳门的降水及温度的变化做较深入的分析及预测,比较3种统计预报模型在研究澳门单站气象资料的变化趋势中的优劣。结果发现,3种预报模型在预报年和四季平均气温的方面都比较理想,但对降水量变化序列做拟合及试报则差异较大。总体而言,气候场的主分量逐步回归法对相同的气候资料建模做拟合及试报,结果拟合率是三者中最高的,复相关为0.821~0.911,预报效果除秋季较差外,其余都非常好。