利用非线性门限混合回归统计模型进行季尺度降水温度预报

门限混合回归模型是由门限自回归模型发展而来。门限自回归模型(Threshold Autore-gressive Model)是由汤家豪于1978年首先提出的，该模型经过国内十几年的研究已经有了很大进展和完善。本文介绍门限混合回归模型在辽宁省一些地区季降水和温度预报中的应用。     

具有时变参数的门限自回归模型及其在气候预报中的应用

将时变参数模型引入门限自回归模型中，提出具有时变参数的门限自回归模型，并对昆明，蒙自，河口等地区３月温度序列进行预报，结果表明：这种模型比门限自回归模型的预报准确度有明显提高，这是因为用这种模型进行预报时，可以随时更新预报模式。     

利用非线性门限混合回归统计模型进行季尺度降水温度预报

1 引言 门限混合回归模型是由门限自回归模型发展而来。门限自回归模型(Threshold Autoregressive Model)是由汤家豪于1978年首先提出的,该模型经过国内十几年的研究已经有了很大进展和完善。本文介绍门限混合回归模型在辽宁省一些地区季降水和温度预报中的应用。     

非线性门限自回归模型用于时间序列的外推预报

对一些呈非线性变化的时间序列，如果勉强用线性统计模型来描述，效果往往不理想。本文利用非线性的自激励门限自回归模型（ＳＥＴＡＲ）、开环门限自回归模型（ＴＡＲＳＯ）对我省记录年代较长的烟台年降水量序列进行建模分析，并探讨分析了模型的稳定性，最后利用稳定的ＳＥＴＡＲ模型进行外推预报。     

多元门限回归模型的一种建模方法

本文根据门限自回归模型的基本思想[1]，提出一种多元门限回归模型的建模方法。其特点是充分考虑了预报系统中某些特殊预报因子突变点对预报关系的改变作用。数值实例表明，该模型在模拟和预报精度上比一般线性逐步回归模型有一定程度的提高。     

山西降水、气温场非线性模拟与预测

本文将门限自回归应用于降水、气温场的模拟与预报,并讨论了门限识别准则存在的问题,提出了新的ＡＩＣ加权最小识别准则,取得了令人满意的效果。降水、气温各主成分的自激励门限自回归和开环门限自回归均以零时滞为最优。说明降水、气温存在两种不同的自相关和互相关,但这种相关形式选择不能由序列自身预先提供。非零时滞门限游程序列的ＳＥＴＡＲ模型拟合和预测效果均很好。因此,降水和气温场的预报可由零时滞ＳＥＴＡＲ模型和非零时滞门限游程ＳＥＴＡＲ模型组成方程组完成。     

一种新的统计回归模型及其建模方案

根据经典门限自回归模型的基本思想,引入半截多项式变换,导出了一种新的统计回归模型,并提出了相应的一整套建模方案。这种模型和建模方案的特点是:（1）解决了统计回归分析中逐段线性化模型的检验问题;（2）在确定统计回归模型中各待估参数和变量——包括门限变量、门限值、阶数、时滞和回归系数时显得十分方便、快捷。试验结果表明,根据此方案建立的统计回归模型具有较高的拟合和预报精度,同时具有良好的稳定性。     

西北太平洋热带气旋生成总个数的开环门限自回归模型

根据１９４９～１９９０年西北太平洋热带气旋生成总个数与太阳黑子相对数年平均值，用动态数据分析方法，建立西北太平洋热带气旋生成总个数的开环门限自回归模型，探讨了西北太平洋热带气旋生成的变化规律，经过４年预报实践，检验了模型的可靠性。     

多维时间序列门限回归模型及其应用

在总结前人工作基础上，提出了一种关于多维时间序列门限回归模型的通用建模新方案，并从理论上证明了此新表达式与经典门限回归模型的一致性。将此模型应用于云南五月雨量的预报中，其平均历史拟合和外推预报准确率分别为71％和68％。表现此通用建模方案可行的；同时说明此类模型具有一定的使用价值。     

遗传门限自回归模型在气象时间序列预测中的应用

提出了建立门限自回归模型（TAR）的一套简便通用的方法。用基于实码的改进遗传算法，可同时优化门限值和自回归系数，解决了TAR建模过程所涉及的大量复杂寻优工作这一难题，为TAR模型在气象预测中的广泛应用提供了有力工具。实例计算的结果说明：通过门限值的控制作用，TAR模型可有效地利用气象时序资料所隐含的时序分段相依性这一重要信息，限制了模型误差，保证了TAR模型预测性能的稳健性，提高了预测精度。该方法具有通用性，在各种气象非线性时序预测中具有广泛的实用价值。     

应用自激励门限自回归模式对旱涝游程序列的模拟和预报

在用AR、ARMA等线性模式对气候序列进行拟合和预报时,由于气候序列中存在着非线性变化,所以拟合和预报效果往往不太理想。本文首次用非线性自激励门限自回归模式(SETAR)对由北京511年(1470—1980年)历史旱涝记录变换的湿涝(干旱)游程记录进行了模拟和预报,解决了长期以来预报方程不能随转折点变更的问题。拟合和预报结果表明:门限自回归模式的拟合和预报效果比线性AR模式有明显提高。AR模式只能预报出2年长度以下的游程转折点,而SETAR模式能较准确地预报出3年长度以上的游程转折点。这可能是因为在预报过程中SETAR模式能按游程转折点更新模式,而且模式建立时不要求序列具有平稳性的缘故。     

MODELING AND PREDICTION CONCERNING TIME SERIES OF FLOOD/DROUGHT RUNS USING THE SELF-EXCITING THRESHOLD AUTOREGRESSIVE MODEL

When linear regressive models such as AR or ARMA model are used for fitting and predicting climatic timeseries,results are often not sufficiently good because nonlinear variations in the time series.In this paper,a nonlinear self-exciting threshold autoregressive(SETAR)model is applied to modeling and predicting the timeseries of flood/drought runs in Beijing,which were derived from the graded historical flood/drought records inthe last 511 years(1470—1980).The results show that the modeling and predicting with the SETAR modelare much better than that of the AR model.The latter can predict the flood/drought runs with a length onlyless than two years,while the formal can predict more than three-year length runs.This may be due to thefact that the SETAR model can renew the model according to the run-turning points in the process of predic-tion,though the time series is nonstationary.     

Trends, time-varying and nonlinear time series models for NGRIP and VOSTOK paleoclimate data

In order to gain further insights into stochastic behaviour of paleoclimate data, including timescales at and below Milankovitch forcing, three specific questions are discussed using δ ¹⁸O NGRIP and Vostok Deuterium content data. A comparison of ordinary and time-varying coefficients autoregressive (AR) models shows that both data sets are distinguishable from data generated by suitable low-order AR processes in contrast to earlier conclusions. A harmonic regression analysis clearly distinguishing between discrete and continuous spectra detects cycles corresponding to variations of eccentricity, obliquity and precession. Contribution of eccentricity to the total variance in the last 422,766-year Vostok data is close to, while the variance reduction delivered jointly by obliquity and precession is substantially smaller than a previous recent finding. A harmonic regression analysis with time-varying frequencies and amplitudes is also performed. This approach delivers a gain over the constant frequency model at any reasonable significance level. It is demonstrated that variations of frequencies are at least partly due to real variations and not merely to timescale uncertainties. In order to consider nonlinearity in paleoclimate data, threshold autoregressive (TAR) models are applied to time series examined. A bivariate TAR model describing simultaneous NGRIP and Vostok data exhibits three fix points and one limit cycle related to a part of Dansgaard–Oeschger events. The model selected suggests that Greenland has a primary role in the Greenland–Antarctica climate variation relationship.     

用复数自回归模式预报月平均气温

在复数域最小二乘法的基础上, 建立了复数自回归模式。数学推导和实例应用表明:这一复数自回归模式不同于将复数序列中的实部和虚部分开来计算的结果, 将实部和虚部分开来计算的方法不是真正意义的最小二乘法。应用包括一个任意给定的复数序列和全国160个基本气象台站上历年7月月平均气温。采用距平相关系数和均方根误差两种检验标准, 对独立预报结果进行检验, 并与其他3种常用统计模型作比较。结果显示:该复数自回归模式确实具有较好的预报效果。     

辅助模型辨识方法(1):自回归输出误差系统

研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-Box-Jenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.     

陕西苹果成熟期连阴雨指数及预报方法研究

选取陕西苹果30个生产基地县中果业发展水平具有代表性的12个台站,近50年(1961—2009年)9月中旬至10月上旬苹果成熟期连续3天及以上降水日数和无降水日数资料,设计并计算其连阴雨指数。将连阴雨指数分成强、偏强、中等、偏弱和弱5个等级,并用典型K阶自回归AR(K)预测模式进行独立样本预测试验。结果表明连阴雨指数能够较客观地反映基地县的连阴雨强度,且典型K阶自回归预测模式预测准确及基本准确率在83%左右,预报效果尚好,具有实用价值。     

北京市气温对电力负荷影响的计量经济分析

以温度派生变量度日指数为解释变量构建了气温与电力负荷的计量经济模型。模型证明了天气对电力负荷的季节性影响, 且影响显著。通过引入序列相关AR结构和解释变量的动态结构, 模型得到逐步优化, 调整的拟合优度达95%。为了检验模型的预测能力, 利用历史数据对其进行了评估, 评估结果表明模型有较好的中期电力负荷预测能力。该模型对电力企业电力调度、电力建设有较大的参考价值。     

An application of the threshold autoregression procedure to climate analysis and forecasting

In this paper a nonlinear method of time series analysis-threshold autoregressive (TAR) model in discrete time is used. The TAR procedure consists of four parts: model building, statistical identification, parameter estimation and forecasting.The object of this study is to estimate monthly total precipitation of Shanghai and Beijing by using open loop TAR model. We can see that the trend of forecasting is in agreement with observations.     

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.