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。     

均生函数模型预报检验

通过对均生函数时间序列模型所作多种类型的预报进行检验发现,均生函数模型不但对观测统计值（如年、月平均值）而且对瞬时观测值（如最高气温）也有很好的效果;不但对平稳变化（如温度）而且对急剧起伏量（如太阳黑子）也有令人满意的结果。文中同时提出了改进均生函数模型的方法。     

基于均生函数的风电场风速短临预报模型

风电场风速短临预报是风电预报业务的重要环节之一.选取2011年1、4、7和10月河北及内蒙古两地的两座测风塔观测资料,综合采用均生函数、灰色关联度和多元回归等多种统计预报方法,建立了一套分站点的、15 min动态滚动的未来0～4 h风速短临预报模型.实际对比分析表明,所建模型比传统ARMA模型的月平均预报误差减少了2.2％～10.8％,在实际中具有重要的应用价值.     

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。     

用均生函数预测模型预报降水的若干试验

基于均生函数的处理原则,对目前常用的均生函数逐步筛选模型,主成分模型进行预报试验,提出带逐步筛选的主成分模型,并用变化幅度较大的降水序列对三种模型进行若干预测试验,结果表明,逐步筛选的主成分模型优于主成分模型,在对不同预报步长的预测试验中也表明,逐步筛选的主成分模型在预测效果以及模型的稳定性方面都是较好的。     

均生函数场模型在贵州夏季降雨预报中的应用

该文在分析贵州夏季月降雨量变化趋势及主要分布特征基础上，用ＥＯＦ展开提取特征向量的主分量作为表征贵州区域降水异常的指标，利用曹鸿兴提出了均生函数模型地主分量进行延拓，建立了均生函数预测模型，对贵州夏季月降雨量进行试报检验。     

均生函数预测方法在青藏高原冬季降水预报中的应用及改进

均生函数预测方法在天气预报等领域得到了越来越广泛的应用，但预测方法没有涉及到图形处理。在对方法、原理及过程进行深入细致的研究后，重新编写了程序的头部、中部、尾部语句及子过程调用函数。经多次调试试验，实现了人口资料调用灵活、多变、计算模拟结果屏幕显示等，提高了预测方法的整体实用性和预测信息的可视化程度。检验得知：该方法对青藏高原冬季降水的预报具有较高的预报精度。     

支持向量机方法应用于理想时间序列的预测研究

简要介绍了基于统计学习理论的支持向量机方法的基本思想和原理,利用该方法对33模Lorenz系统的理想混沌时间序列建立预测模型,并对在此基础上产生的非平稳时间序列进行预测试验研究。结果表明,支持向量机方法不仅对平稳过程有较好的预报能力,也可以适用于非平稳过程,对实际序列的预测有一定的启发意义。     

均生函数逐步回归模型在降温、降水长期过程预测中的应用

应用均生函数逐步回归模型,经过十次变长序列动态建模进行多步预测,再对多个结果进行合成分析,可以更好地揭示、归纳及利用好自身的规律。对降温、降水等长期天气过程预测,得到较可信的结果。     

济南夏季降水量带ARMA误差的回归预测模型初探

应用统计软件SAS建立了济南气温和降水量的数据集。利用济南1951－2000年夏季（6－8月）降水资料，以济南3月气温作为预报因子，建立济南夏季降水量带ARMA误差的回归预测模型，并详细介绍该模型在SAS系统下ETS模块中识别、估计检验和预测过程。由该模型产生的预报值与实际观测值基本符合。     

单一值预报向概率预报转变的基础: 谈谈集合预报及其带来的变革

基于大气系统的非线性和复杂性,加上初值和模式等本身无法避免的一些不确定性,天气预报从单一值的确定论向多值的概率论转变不但符合气象科学的实际也是更好地服务社会之必需。但是这种转变的理性思考对很多用户,甚至气象工作者自己都不是很清楚。为了帮助人们理解和加速这一转变,本文就这种转变所面临的一些普遍困惑谈一些想法。集合预报是促成这种转变的中心技术,为什么要做集合预报?集合预报的根本目的是什么?人们对集合预报有哪些误解?集合预报对整个数值预报系统将带来什么样的变革?以及预报员的新使命是什么?作者针对这些问题进行了讨论。     

Seasonal Predictions of Summer Precipitation in the Middle-lower Reaches of the Yangtze River with Global and Regional Models Based on NUIST-CFS1.0

Accurate prediction of the summer precipitation over the middle and lower reaches of the Yangtze River(MLYR) is of urgent demand for the local economic and societal development. This study assesses the seasonal forecast skill in predicting summer precipitation over the MLYR region based on the global Climate Forecast System of Nanjing University of Information Science and Technology(NUIST-CFS1.0, previously SINTEX-F). The results show that the model can provide moderate skill in predicting the i...