投影寻踪回归技术在降水量预测中的应用

提出了应用投影寻踪回归（ＰＰＲ）技术预测降水量的建模思想及其ＳＭＡＲＴ算法的实现。三个地区应用ＰＰＲ进行降水量预测建模,模型的拟合及预留预测检验结果均好于逐步回归建模的相应结果。     

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。     

台风登陆华南年频次的投影寻踪回归预测模型

根据历史资料,应用投影寻踪回归（ＰＰＲ）的基本思想和算法,建立了台风季节台风登陆华南年频次的ＰＰＲ预测模型。结果表明ＰＰＲ模型的预测精度优于逐步回归建模的预测精度。     

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。     

支持向量机回归方法在铜川降水量预报中的应用

降水量定量预报是精细化预报的要求之一,由于降水量的离散性和预报因子的非线性,用常规数理统计的方法做定量预报效果不理想。支持向量机(Support V ectorM ach ine简称SVM)对处理非线性关系的问题有强大能力,且具有在海量信息中巧妙提取所关注预报对象特征的能力。应用2002—2004年夏季T 213预报产品资料,用支持向量机回归原理做铜川降水量预报,从大量历史个例的数值预报产品信息中,提取有代表性的支持向量,建立铜川3个站未来2 d每12 h降水量预报方法。结果表明,该方法的试验数据预报结论与实况相关系数可达0.6,绝对差2.2,并经过检验数据检验,能够投入业务使用。     

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。     

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。     

动态相似多元判别方法在释用数值预报产品中的应用

考虑环流的动态演变特征在降水预报中的重要性基础上，设计了一种环流演变动态相似多元判别预报方法。用统计方法对历史降水个例的大气环流因子进行分析，在要素场上分别提取4个物理意义清晰、又具有立体性和动态演变性的要素因子，并求出降水天气过程的多元指标。采用要素变化趋势相似标准，以T213数值预报产品为预报初始资料进行计算处理，求出要素的变化趋势和大小，与历史降水的多元指标进行滚动映射和判别，自动预报出各县未来各时段天气，制作阿坝州分县晴雨逐日滚动预报，效果较好。     

影响福建热带气旋年季频数的投影寻踪回归模型

投影寻踪方法是一类处理高维问题,特别是高维非正态问题的新兴统计方法.通过普查北半球500 hPa、100 hPa、北太平洋海温以及500 hPa环流特征量与影响福建热带气旋年、季频数的相关,采用逐步回归筛选预测因子.然后,应用投影寻踪回归方法的基本思想和算法,建立福建热带气旋年季频数的PPR预测模型.结果表明,PPR模型的预测效果明显优于逐步回归预测模型,对福建热带气旋年季频数具有较好的预测能力.     

基于BP神经网络的汛期降水预测模型研究

采用误差反传前向网络（简称BP神经网络）建立汛期（6-8月）降水预测模型，并与采用逐步回归方法建立的模型进行对比试验，结果表明，基于BP神经网络的汛期降水预测模型不仅对历史样本的拟合精度更高，而且其独立样本的预测检验效果也比逐步回归方法更好，是一种具有一定应用前景的汛期降水预测方法。     

基于最小二乘支持向量机集成的降水预报模型

准确的降水天气预报是一个十分重要的研究课题。以中国气象局的T213和日本的细网格数据资料为基础，首先利用粒子群——投影寻踪对众多气象物理因子降维，其次在低维子空间利用四种线性回归方法提取降水系统的线性特征，四种神经网络模型提取降水系统的非线性特征；最后利用最小二乘支持向量机对其集成，对广西6月的逐日降水量进行试验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

MSSA-SVD典型回归模型及其用于ENSO预报的试验

文中提出了一种基于多通道奇异谱分析 (MSSA)的广义典型混合回归模式。其基本思想是 ,利用MSSA SVD提取预报因子场和预报变量场的显著耦合振荡信号 ,对它们的前几个显著典型分布型建立多元线性统计气候预报模式。经对Nino海区各季海温距平所进行的短期气候预测试验表明 ,其预报效果优于其它统计预报方案 ,从而为探索ENSO预测方法提供了一种新的思路     

A GENERALIZED CANONICAL MIXED REGRESSION MODEL FOR ENSO PREDICTION WITH ITS EXPELMENT

A scheme is proposed for predicting NINO-region SST in terms of a generalized canonical mixedregression model based on principal component canonical correlation analysis(PC-CCA). and into the scheme are introduced such techniques as EEOF, PRESS criterion and consensus prediction. By optimizing physicalfactors and selecting optimal model parameters, experiments were made successful in predicting the LINO SST index for 1 to 4 seasons to follow. The scheme is shown to be stable in operation and its total technical level compares well with that of the model published in NOAA/NWS/NCEP CPC Climate Diagnostics Bulletin. butthe number of factors needed in our scheme is much fewer than that for the CPC's model in dealing with the sameproblems. This makes it possible to establish an operational ENSO monitoring system in China.     

广西早春旱预报的全部可能回归模型方法

研究了广西春旱天气的前期大气环流及要素场的异常特征发现,冬季５００ｈＰａ高度场,月平均降水、温度,冬季海温、极涡强度指数,亚欧续向环流等与广西早春旱关系密切。用建立的广西早基旱预报模型对１９９８年春季降水进行了试报。     

A STATISTICAL PREDICTION MODEL FOR SPRING RAINFALL OVER NORTHERN CHINA BASED ON THE INTERANNUAL INCREMENT APPROACH

The spring (March-April-May) rainfall over northern China (SPRNC) is predicted by using the interannual increment approach. DY denotes the difference between the current year and previous years. The seasonal forecast model for the DY of SPRNC is constructed based on the data that are taken from the 1965-2002 period (38 years), in which six predictors are available no later than the current month of February. This is favorable so that the seasonal forecasts can be made one month ahead. Then, SPRNC and the percentage anomaly of SPRNC are obtained by the predicted DY of SPRNC. The model performs well in the prediction of the inter-annual variation of the DY of SPRNC during 1965-2002, with a correlation coefficient between the predicted and observed DY of SPRNC of 0.87. This accounts for 76% of the total variance, with a low value for the average root mean square error (RMSE) of 20%. Both the results of the hindcast for the period of 2003-2010 (eight years) and the cross-validation test for the period of 1965-2009 (45 years) illustrate the good prediction capability of the model, with a small mean relative error of 10%, an RMSE of 17% and a high rate of coherence of 87.5% for the hindcasts of the percentage anomaly of SPRNC.     

用多元门限回归模型作区域夏季旱涝预测

考虑了气候系统中一些变量突变时对预测关系的改变作用，用多元门限回归模型的建模方法建立长江下游地区夏季旱涝趋势预测模型。拟合效果较理想，用１９９４－１９９５年的独立资料检验，预测结果与实况较为接近。