影响海南岛热带气旋的多层递阶周期分析长期预报模型

使用历年影响海南岛的热带气旋个数作资料样本,在经典多层递阶预报模型的基础上引进多层递阶周期分析,在时间序列自身周期显著的情况下,使用时间序列的显著周期分量取代经典模型中的自回归部份,建立影响海南岛热带气旋的多层递阶周期分析长期预报模型,合理地反映热带气旋影响海南岛的变化规律,提高预报的准确率。     

用多层递阶周期分析作西沙海区热带气旋长期预报

西沙海区是我国受热带气旋影响最频繁的海区之一，全年除2月份外，各月均有热带气旋影响。由于西沙海区是南海的主要交通枢纽，了解西沙海区热带气旋的活动规律及做好该海区的热带气旋预报，具有重要的经济和国防意义。本文在统计分析1949～1995年西沙海区热带气旋活动规律的基础上，根据天气预报的多层递阶方法卜」的基本思路——将天气系统看成是随机动态的时变系统，把对天气系统的状态预报分成两步。首先对系统的时变参数进行预报，然后再对系统的状态进行预报。为了改进目前多层递阶方法中大多采用仅有预报因子的线性单输出系统模型存…     

海南岛冬季平均气温的多层递阶自回归长期预报模型

使用海南岛（以海口资料为代表）冬季平均气温资料,根据动态系统预测的理论,选用多层递阶自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。结果表明,预报结果与实测值误差较小,冷暖年趋势预报和定量预报效果较理想。     

海南岛冬季平均气温的多层递阶自回归长期预报模型

使用海南岛冬季平均气温资料,根据动态系统预测的理论,选用层递自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。     

多层递阶预报模型试做长期天气预报

根据预报量与预报因子的实际情况，提出用灰色系统中的关联分析筛选非线性因子。同时利用时变参数跟踪理论，将复杂的非线性系统预报问题转化成简单的带时变参数的线性多层递阶预报问题。经实际应用证明，用此法建立的多层递阶预报模型优于线性因子所建立的多层递阶预报模型。     

多层递阶周期分析

针对经典多层递阶预报方法的某些不足,提出了一种改进的多层递阶预报模型——多层递阶周期分析。它使用时间序列的显著周期分量取代原模型中的自回归部分,使其更合理地反映气象要素自身的演变规律,有效地提高了预报精度。     

黑龙江省冬季平均气温的多层递阶长期预报模型

本文通过对冷暖冬年长期天气过程的初步分析,以实际预报验证效果比较好的相关因子为输入变量,运用文献[1]提出的多层递阶预报方法,对冬季平均气温进行了长期预报,取得的效果较为满意.     

西太平洋夏季副高积分多层递阶长期预报模型

本文综合了积分回归分析和多层递阶预报方法的优点,构造了一个副高特征量积分多层递阶长期预报模型,试报的结果是令人满意的。     

长期天气预报中的多层递阶预报方法

一、问题提出 统计预报是当前长期天气预报的主要手段之一。常用的古典统计方法包括:回归分析、判别分析、方差分析、时间序列分析i等。对于预报量y,选取s个预报因子x_i(=1,2……s),建立预报方程。     

带有回归系数的多层递阶预报模型

本文针对经典多层递阶方法所存在的缺陷,提出了一种改进的多层递阶预报模型。它的基本思想是将回归分析与经典多层递阶方法相结合,使之有效地消除了因子间量值差异所引起的贡献差异,较好地体现了高相关因子的重要作用。实例计算结果表明,该改进方案的预报精度有显著提高。     

逐步回归周期分析与多层递阶方法相结合的时间序列分析预报模型

逐步回归周期分析[1]是针对方差分析的不足而提出的一种时间序列分析方法,作者[2]将其应用于长期预报,取得了一定的效果,但也存在着某些缺陷,其主要表现在实际应用时,随着预报时效的增长,预报效果明显趋于不稳定.这里主要有两个方面的原因:一是某些时间序列本身的周期性不强,所选的周期显著性水平低,此时则不宜单纯用周期分析外推做长期预报,对此,作者已在另文中作过研究.二是在逐步回归周期分析预报模型中,回归系数取为固定的参数,而天气系统则是时变系统.     

多层递阶方法与回归分析相结合的预报模型

一、引言多层递阶预报方法是运用现代控制理论中的系统辨识方法而提出的一种新的统计预测模型,由于它充分考虑了动态系统的时变性质,采用了时变参数预报模型,故对类似天气预报这一类时变系统具有较强的适应能力,因而近年来引起了气象工作者的广泛关注,并进行了     

多层递阶预报模型的一种改进方案

本文针对气象要素与其过去的数据自相关程度一般都较差,而与其自身的显著周期分量却存在较高的线性相关关系的特点,提出了一种改进的多层递阶预报模型。它将多层递阶方法与逐步回归双重分析相结合,用显著周期分量取代经典多层递阶预报模型中的自回归部分,使之能更好地反映气象要素自身的历史演变规律,从而稳定其预报效果。     

周期分析与多层递阶方法相结合在月降水量预报中的应用

一、前言魏凤英等提出的逐步回归周期分析为提取时间序列的隐含周期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预报,取得了一定的效果。然而该方法随着预报时效的增长,预报效果趋于不稳定。分析其原因,一是某些时间序列本身的周期性不强,所选的周期显著性水平太低,此时一般认为不宜单纯用周期分析外推     

用多层递阶方法预报花生产量

目前,国内对花生产量预报方面的研究较少,其它粮食作物如小麦、水稻等作物的产量预报方法较多。一般常用的多元回归、特征根回归、多重回归等预报方法,随着预报年限的延长,预报误差会相应增大,其原因之一是在此类预报过程中,用固定参数模型来预报一个时变参数系统的状态,易产生较大的误差,并随着预报年限的延续而增大。因此逐年预报时需要重新计算模式的系数。为了克服这一缺陷,我们采用了动态系统预报的新方法——多层递阶预报方法,对我省花生产量进行预报,由于它充分考虑了参数的时变特性,因此提高了预报准确率。通过对我省花生产量预测的实际应用表明,采用多层递阶预报方法连续多年预测花生产量,准确率及精度较高,这一方法可多年使用后再进行模式运算,大大减少了工作量,这种方法早已引用于长期天气预报,对于时间紧、业务量大的产量预报也非常适用。     

试用多层递阶预报方法做夏季降水量预报

天气预报的多层递阶方法是运用现代控制理论中的系统辨识方法提出的一种新的数值预报方法。我们在过去工作的基础上选取六个有天气学意义的相关因子,采取仅考虑预报因子部分的多层递阶方法试作夏季降水量预报,效果较好。此外,与一般线性单输出模型、仅有自回归部分的线性单输出模型及多元回归进行了初步比较,提出一些看法。《天气预报的多层递阶方法》是运用现代控制理论的系统辨识方法,它将天气系统看成是随机动态的时变系统。从系统的外部特征着手,建立其输入-输出模型,并进行多层分析和多层递阶预报。现将我们用这种方法预报夏季(6—8月)降水量上所做的工作介绍如下: