V-3θ图与沙尘大风天气预测分析

依据欧阳首承的理论和天气学原理,利用V-3θ图中的信息,文章以酒泉站为例,将该图中一些信息数字化,图中的信息针对大风天气做多元线性回归分析,并得出逐步回归方程,结果表明,沙尘大风的发生与V-3θ图中800h Pa湿度、700h Pa风速、不稳定层结的起点、厚度以及滚流相关性明显,依据此方程进行检验预报,效果良好。     

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。     

本站5月份降水量的长期预报方法

以群众经验为基础,图、资为依据,找出和降水相关密切的因子,统计多要素组合因子对降水量的复合影响,用多元回归方程预报降水量。     

逐步回归双重分析及其在长期天气预报中的应用

本文针对多元分析和周期分析各自存在的缺陷,提出了一种新的统计预报方法——逐步回归双重分析方法,它利用逐步回归技术将因子筛选和周期分析有机结合,并反映在同一预报方程中。 本文以金华市5月份降水量长期预报为例,进行了初步的分析和尝试,表明该方法与多元分析和周期分析比较,其拟合误差与预报误差均较小,预报效果稳定,对长期天气预报有较好的实用价值。     

华南前汛期降水预测模型及其预测试验

将中国华南区域分为东、西2个区,对每个区(8个站)的前汛期(4—6月)平均降水量作自然正交展开(EOF),选取各区累积方差贡献超过75%的前4个主分量作为预报分量。再利用偏最小二乘回归方法结合均生函数方法,提出一种同时考虑预报量自身显著变化周期和前期物理量因子对预报量未来变化影响的预报模型,分别建立东、西区前汛期平均降水量的偏最小二乘回归预报方程。试验结果表明,新的预报模型的预报效果比单纯采用前期物理量因子的逐步回归模型更好,并且其预报能力的提高具有合理的分析依据。      

用深层地温资料建立多元非线性回归方程预报韶关站前汛期降水量

利用非线性逐步回归方法作韶关市前汛期降水量趋势的预报。在回归方程中考虑将预报因子采用多项式拟合逼近预报量，经过逐步剔除之后，选入具有较高相关显著性的非线性因子进回归方程，从而建立一个简单的多项式逼近预报量。从预测值和实测值比较来看，非线性多元回归方程预报效果还是不错的。     

基于遗传神经网络的乡镇降水量预报方法试验

利用T213数值预报产品.采用遗传算法与神经网络相结合的方法,进行了乡镇降水量预报模型的预报建模研究;并将这种遗传一神经网络乡镇降水量预报模型与逐步回归预报方法和中尺度模式降水输出结果进行对比分析,试验预报结果表明,遗传-神经网络方法在大雨以上降水具有更好的预报能力.     

条件数在区域日降水量预报中的应用研究

针对前汛期广西北部暴雨洪涝灾害频发的问题，利用T213模式和日本细网格降水预报等数值预报产品，采用条件数计算选取回归因子的方法建立广西北部区域平均降水量的预报方程。进行了2004、2005年两年5-6月的前汛期业务预报应用试验。采用条件数方法建立的预报方程和传统的逐步回归预报方程的平均预报误差分别为6．3569mm和7．0096mm，同期T213模式的预报误差为7．9456mm。试验表明新方法比传统的逐步回归方程和T213模式具有更高的预报精度，有较好的业务应用前景。计算对比可知，采用条件数计算选择的预报因子间的复共线性较微弱，而逐步回归方法选择的因子间的复共线性很严重，影响了回归方程的预报效果。     

因子筛选与周期分析相结合的逐步回归双重分析预报模型

一、引言 魏凤英等提出的逐步回归周期分析为长期天气预报提供了一种新的简便而有效的工具,作者将其应用于金华市月降水量的长期预报,取得了一定的效果。 然而该方法还存在一定的缺陷,主要表现是有肘方程的拟合率很高,但预报效果不     

螺旋度诊断分析与短时强降水面雨量预报

利用T106细网格多个基本要素场和物理量预报场，诊断分析高低空Z－螺旋度在暴雨形成中的贡献，结合其他动力、热力物理量场，采用动态方法，建立降水量的逐步回归方程，作未来6小时的面雨量降水预报。     

气候场主分量逐步回归模型预测粤中西部汛期降水

运用热带海温资料、500hPa高度场等建立气候场,对此气候场均取前6个因子,共建立1248个因子的物理因子场。将粤中西部10个县(市)前汛期和后汛期降水量场进行EOF分解,得出前四个主分量;分别用这四个主分量与1248个气候场主分量因子进行相关计算,最后选取10个因子进入逐步回归方程,对前四个主分量进行预测,从而可以预测肇庆市前、后汛期降水的空间分布;再经过反算拟合,得出前、后汛期降水量的预报结果。检验表明,这种方法可以预测区域未来的降水空间分布与降水量,预报效果较好;物理意义上,可以揭示多个气候背景场的空间分布与某区域气候场的空间分布之间的联系,为小区域的短期气候预测提供物理依据。     

泰安市6月份降水分片指导预报方法

本文研究了6月份各降水量级的分片24小时预报。引进降水量级的可信度预报方程,并把其作为独立、并列的规则),采用逻辑推理一信息集成的模式,建立了各片各降水量级的可信度预报方法。     

气候场主分量逐步回归模型预测粤中西部汛期降水

运用热带海温资料、500hPa高度场等建立气候场,对此气候场均取前6个因子,共建立1248个因子的物理因子场。将粤中西部10个县（市）前汛期和后汛期降水量场进行EOF分解,得出前四个主分量;分别用这四个主分量与1248个气候场主分量因子进行相关计算,最后选取10个因子进入逐步回归方程,对前四个主分量进行预测,从而可以预测肇庆市前、后汛期降水的空间分布;再经过反算拟合,得出前、后汛期降水量的预报结果。检验表明,这种方法可以预测区域未来的降水空间分布与降水量,预报效果较好;物理意义上,可以揭示多个气候背景场的空间分布与某区域气候场的空间分布之间的联系,为小区域的短期气候预测提供物理依据。     

开封春季24h大风预报方法

利用开封1981-2000年3—5月的大风资料，依据冷空气路径，将大风分为东北型、西北型；选出预报因子，用逐步回归方法，对因子进行筛选，选出效果较好的预报因子建立方程。     

用逐步回归方法建立前汛期降水量的预报方程

根据新会1971～2003年降水、气温、日照资料，利用相关分析方法挑选因子，然后用逐步回归方法对因子进行筛选，去除次要的，保留最主要的因子，从而建立新会前汛期降水量预报方程。     

东营市夏季分县(区)降水概率预报研究

使用T106数值预报格点资料，采取逐步回归方法，分别建立了东营市三县两区三个时次降水量的二级差别方程。同时，反查历史气象资料得到小雨和中雨的降水概率，并以此作为其预报概率。拟合和试报结果表明，上述判别方程的预报效果较好。另外，所建立的东营市夏季分县(区)降水概率预报自动化系统具有使用方便、快捷的优点，并实现了客观自动化。     

复共线性关系对逐步回归预报方程的影响研究

针对气象预报中常用的逐步回归预报建模方法,由于没有直接考虑筛选出的预报因子之间可能存在复共线性关系会影响气象预报方程的预报性能问题,提出了在初选的大量气象预报因子(自变量)中,采用条件数计算分析方法,选择复共线性关系小的预报因子组合建立预报模型的方法.以重要气象灾害的预报难点--台风预报为例,用大样本分别建立了12个台风移动经度、纬度的条件数预报方程和逐步回归预报方程.对比分析结果表明,由于条件数计算分析有效控制了预报因子间的复共线性关系,因此,在相同的预报因子(自变量)和预报对象(因变量)条件下,分月建立的条件数台风移动路径预报方程,虽然历史建模样本的拟合精度略低于逐步回归预报方程,但是对独立样本的预报精度明显提高,其中7、8和9月条件数预报方程的预报误差平均为153.9 km,而相应的逐步回归预报误差平均为229.2 km,两者相差75.3 km.进一步研究发现,在F值分别取1.0、2.0和3.0的情况下,建立的台风移动路径的逐步回归预报方程,其预报误差也明显大于条件数预报方程.另外,由于预报因子组合的复共线性的影响,逐步回归方程还出现了在个别点预报误差极大的不合理情况.     

预报因子选取及方程建立人机交互平台

利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。     

试用非线性预报方法预报辽宁夏季气温和降水

一、前言过去在长期预报的统计分析中大部分采用相关分析方法,找出相关较好的关键区,如要做定量的预报,则找出相关较好的预报因子,用逐步回归的方法建立预报方程,但是这里的相关分析及建立的逐步回归预报方程都是线性的,而实际上预报量与预报因子的关系是非线性的。因此,线性相关分析方法是不适合实际的,用线性预报因子建立起来的预报方程也必     

宝丰县汛期长期天气预报趋势

根据本站历史资料，从可能与汛期降水量、平均气温密切相关的气象要素中筛选预报因子，建立预报方程，制作预报。１ 预报因子 对气压、气温、相对湿度、水汽压等气象要素进行逐时段计算，形成预报因子数据文件。 以预报因子与预报对象的相关系数为判据，从预报因子中筛选出与预报对象密切相关的预报因子。２ 预报方程及效果检验 选取宝丰县１９７１年至１９９９年６～８月降水量和平均气温为预报对象，以１９９９年４月３０日以前的气象资料为预报因子，建立预报方程。２．１ 降水量预报方程及准确率 Ｒ６、８＝一 １８１８４．７２－８．３…