回归诊断在梅雨期大到暴雨预报中的应用

应用回归诊断方法分析发现，梅汛期大到暴雨回归预报模型的残差分布存在着不对称现象，这种不对称现象是由高杠杆点所引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致了回归系数LS估计的误差，从而又引起暴雨预报的误差。针对这些问题提出了大到暴雨的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，梅汛期大到暴雨回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此大到暴雨的回归诊断预报模型具有普遍意义。大量的试验和多年的业务应用表明，回归诊断对提高大到暴雨预报准确率具有明显的效果。     

离散型应变量的回归诊断和离散回归法

本文从大量天气预报实例的普查结果,归纳了离散型应变量的回归残差分布模式。回归诊断表明模式的单向性是由一些高杠杆点引起。对这些高杠杆点的进一步分析可以看到,它们的残差存在着统计预报意义上的不合理性,不合理性又造成回归系数LS估计的误差。针对这些问题,本文提出了离散回归法。     

回归诊断在赤霉病预报中的应用

小麦赤霉病回归预报模型的残差分布存在着不对称现象,残差分布不对称现象是由高槓杆点所引起。由于这些试验点的残差存在着数理统计意义上的不合理性,从而导致了回归系数Ls估计的误差。针对这些问题本文提出小麦赤霉病预报的修正回归模型。数学证明和实例说明,修正回归模型要优于常规回归模型。对离散型应变量的农气回归问题,修正回归模型具有普遍意义。     

回归诊断在事件概率回归预报中的应用

针对事件概率回归模型的特点，用残差分析和统计量诊断的方法归纳了回归线差的非称分布现象，揭示了这种现象是由高杠杆占所引起，探讨了概率回归模型的残差不合理性的统计天气预报意义，从而提出适用于概率预报问题的事件概率回归改进模型。分析指出。事件概率回归模型的不合量性并不是个另例了特珠性所造成是由该模型的数学特点所决定，概率回归改进模型要优于普通的概率的回归模型型。     

西安空气质量预报系统业务运行评估

利用2014年8月至2015年1月西安市环保局实况监测数据、西安空气质量预报系统(XAWRF-CMAQ)预报产品及国家气象中心空气质量预报指导产品,按照中国气象局发布的《城市空气质量预报检验评估和考核办法(试行)》对XAWRF-CMAQ进行业务运行评估。结果显示:在评估时段内,XAWRF-CMAQ空气质量预报考核评分为61.1,空气质量预报准确性评分为71.0,重污染预报能力评分为0.36,达到中国气象局的要求。另外,XAWRF-CMAQ的预报结果对粗颗粒物存在一定程度的偏低估计,这可能是由于系统对颗粒物排放估计偏低所引起。     

数值天气预报和气候预测的可预报性问题

考察由初始状态误差和模式中参数误差所引起的预报结果的不确定性。提出了数值天气预报与气候预测中三类可预报性问题，即，最大可预报时间，最大预报误差，初值与参数的最大允许误差。然后将这三类问题化成了对应的非线性优化问题，给出了处理此类非线性优化问题的思路，并且有数值方法对Lorenz模型研究了这三类问题。     

基于极端随机树方法的WRF-CMAQ-MOS模型研究

随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型（Community Multi-Scale Air Quality,CMAQ）为工具,结合中尺度WRF（Weather Research and Forecast Model）气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS（Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics）统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数（AQI）及PM_2.5、PM₁₀、NO₂、SO₂、O₃、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO₂及O₃,2016年1、2、3月整体相关系数NO₂由0.35升至0.63,O₃由0.39升至0.79,均方根误差NO₂由0.0346减至0.0243 mg/m3,O₃由0.0447减至0.0367 mg/m3。文中发展的WRF-CMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。      

连云港市城市空气质量预报方法研究

本文利用高空大气探测资料和有限区细网格模式的数值预报产品,分别建立统计预报和数值预报等适合连云港市城市空气质量预报业务发展所需要的客观预报方法,最终利用动态分权法,综合决策集成连云港市城市空气质量预报。结果表明:动态分权法能够有效地提高空气质量的预报准确率。     

西安城市空气质量预报业务系统建设总论

对城市空气质量预报内涵及开展原由、空气质量预报的历史及现状、开展空气质量预报的意义和作用及其预报技术方法及业务化进程进行综述,并提出西安市空气质量预报工作存在的问题和建议.     

判别回归方法在四川盆地大雾预报中的应用

用最近10多年的历史实况资料和四川盆地大雾发生的站数进行相关分析，采用最优分割进行因子筛选，建立了最优判别方程和大雾站数预报的回归预报模型，拟合率较高，残差较小，模型具有较强的预报能力。     

河西走廊东部城市空气质量预报系统

利用气象和环保资料详细分析了武威市空气质量的特点,针对不同季节、不同时次分别建立了沙尘暴短时、短期预报模式及空气质量统计预报、潜势预报模式,经检验效果良好。应用Fortran和VB语言设计编程,建立了武威市空气质量预报系统,该系统包括沙尘暴预报预警服务系统、空气质量统计预报系统和空气质量潜势预报系统,直接和MICAPS系统接口,具有资料处理、动力统计预报、潜势预报等模式计算及资料采集、处理、模式运行、预报显示、产品分发、资料查询、预报评分等多种功能,在业务应用中效果良好。     

集对分析在城市空气污染预报中的应用研究

在城市空气污染预报模型中, 精心挑选的因子具有较好的预报性能, 但是因子的优良性能并非始终不变, 而有时个别因子的不良表现往往可能导致预报的失败。根据集对分析 (SPA) 把不确定性和确定性作为一个动态的同异反系统处理的思想, 动态地分析和处理每次预报中因子作用的变化, 即每次预报前, 先对因子进行态势判别和同异反分析, 然后使可能干扰预报的弱势因子的作用受到有效抑制, 使有助于预报的强势因子的作用得到充分发挥, 从而实现了因子作用大小在各次预报中的动态变化, 取得了较为满意的效果。在预报模型中增加不确定性处理有助于提高预报准确率。     

上海城市空气质量预报分类统计模型

上海城市空气质量预报的分类统计模型利用上海地区2000年6月至2002年12月的空气污染浓度资料及常规气象资料建立模型，用2003年全年资料检验模型。模型采用方差分析方法区分不同污染浓度高低的气象条件，按季节、地面风向和雨量3项指标对浓度样本分类，季节分类划分冬、夏半年子样本，风向分类划分偏西风向、非西风向子样本，雨量分类划分有雨、无雨子样本，共计3层分类，18个分类子样本，样本分类的高值区和低值区与实际污染浓度的季节、地面风向和雨量的分布是一致的。最后，采用线性逐步回归方法对各分类子样本建立起一组预报模型。模型的检验评分结果显示：分类统计模型较全样本统计模型实际业务预报精度有所提高，在城市空气质量预报中是切实可行的。     

2007-2008年武汉市空气质量预报和检验

通过开展武汉市空气质量预报研究,研讨武汉市空气质量状况。结果表明：2007-2008年武汉市空气质量优良的出现频率为77.6％,且未出现超过轻度污染的情况,其中夏季空气质量明显好于其他季节。经验证,采用逐步线性回归法建立的预报模型对武汉市空气质量具有一定的预报能力,级别预报准确率达78.1％。统计各级预报准确率发现,此方法较适用于空气质量为Ⅱ级的情况,提出在使用时应结合天气预报和前一日空气质量监测实况对预报结果进行修正。     

基于数值预报及上级指导产品的本地气温MOS预报方法

利用恩施基准站2008—2011年地面实测资料、数值预报产品、上级台站指导产品,采用M(数值模式预报)、E(天气学经验)、D(诊断分析)相结合的方法(简称MED),从气温变化的影响因素如大气稳定度、温度平流、水汽条件等设计具有物理意义的预报因子。或根据需要进行因子的组合叠加利用,并将指导产品直接作为预报因子。利用常规统计预报方法(逐步回归),将高、低温实况作为预报对象来建立地方气温预报模式。结果表明:将天空状况进行分型后建立地方气温MOS预报模型,并对应高低温一般出现时间段来选取数值预报产品因子进行预报,对本地气温预报质量的提高有积极的意义;模型建立过程中,综合采用了MED相结合的方法,并应用了数值预报再加工因子,考虑了天气系统变化对气温的影响,增强了数值预报的解释应用能力;参考客观数值模式产品、上级业务部门指导产品相结合的综合MOS预报方法,建立地方气温MOS预报是提高本地天气预报准确率的有效尝试。检验结果也表明,本地气温MOS预报效果较好,明显高于指导预报,已较好应用于实际业务中。     

新标准下空气质量预报指导产品对比检验

为了解和掌握上级指导产品对石家庄市空气质量预报的适用性,进一步提高石家庄市空气质量预报的准确性,利用国家气象中心(NMC)、北京区域气象中心(BJ)和河北省气象局(HB)空气质量预报产品,对石家庄市夏季4种主要污染物PM_(2.5)、PM_(10)、O_3和SO_2的预报进行了对比检验,结果表明:1)NMC对4种污染物的预报效果均逊于HB和BJ的,对PM_(10)、PM_(2.5)和SO_2的预报值明显较实况偏大,尤其在发生重污染天气时,对PM_(10)和PM_(2.5)的空报率高达90%以上;2)HB对PM_(10)和SO_2的预报效果好于BJ的,对SO_2的预报值与实况值均在一个等级范围内,发生重污染天气时,对PM_(10)的预报效果好于BJ的,预报值更接近于实况,但对重污染向优、良转折天气的预报值偏高;3)BJ预报PM_(2.5)和O_3的效果好于HB的,对O_3的0级误差级别预报准确率高达90.5%,对PM_(2.5)优到轻度污染等级的预报效果较好,但对重污染天气的预报值低于实况。     

基于BCC_CSM模式的中国东部夏季降水预测检验及订正

基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:（1）模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态（偶极子型模态和全区一致型模态）,但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;（2）模式能够合理预测大尺度环流和海表温度（SST）的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;（3）针对1991~2003年回报试验数据中的500 hPa位势高度、850 hPa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态（第二模态）与观测的空间相关系数由原始的0.12（0.48）提高到了0.58（0.80）,时间相关系数则从0.47（0.15）提高到0.80（0.67）;其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。     

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。