用多因子筛选和均生函数序列双重最优子集作降水量预报

把均生函数延拓序列作为因子加入最优子集回归方程，将因子筛选和均生函数分析相结合作最优子集回归双重分析，用于制作钦州市月降水量的预报，预报精度有所提高。     

最优子集回归在青藏高原冬季降水、气温预报中的应用及改进

最优子集回归预测方法在天气预报等领域得到了越来越广泛的应用，方法本身没有涉及到图形处理。我们对方法、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，实现了入口资料调用灵活、多变、计算模拟结果屏幕绘图显示等，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、气温的定性、定量预报均具有较高的预报精度。     

用多因子筛选和均生函数序列双重最优子集作降水量预报

把均生函数延拓序列作为因子加入最优子集回归方程,将因子筛选和均生函数分析相结合作最优子集回归双重分析,用于制作钦州市月降水量的预报,预报精度有所提高。     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

应用全球OLR场作山东季降水量预报

利用全球月平均ＯＬＲ场再分析资料,采取气象要素相关场显著性检验统计模拟的方法,找出与山东省各季降水量显著相关的ＯＬＲ场,以该场中显著相关区内ＯＬＲ的区域平均为因子,采用最优子集回归建立山东季降水量预报模型,并由此做出１９９９年各季降水量预报     

奇异谱分析-最大熵结合最优子集回归方法在中国夏季降水预测中的应用

基于奇异谱分析-最大熵预报方法（SSA-MEM）和最优子集回归方法（OSR）,综合考虑降水量序列自身的变化特征和外强迫因子对降水的贡献,把奇异谱分析-最大熵预报方法和最优子集回归方法结合起来,提出了SSA-MEM和OSR集成的新方法。对1961—2000年的夏季降水量进行拟合并试做2001—2004年的夏季降水预测。结果表明,回报拟合值与实况值距平相关系数达到0.85,通过了0.01的显著性水平检验。预报的平均技巧得分较高,试报准确率达到69%,略高于目前国内对汛期降雨预测的平均准确率。初步的试验表明,本方法对全国范围夏季降水有较好的预测能力,在东北及西南地区预测结果尤为显著。     

最优子集回归在逐日分县预报中的应用

本文采用ECMWF北半球500hPa高度、850hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好。     

最优子集回归在逐日分县预报中的应用

本文采用ECMWF北半球500 hPa高度、850 hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好.     

用一次最佳子集回归作晴雨预报

为了充分利用特定样本各因子分布的特殊信息，降低一次预报的平方误差期望值，本文选用一次预报最佳子集回归法作晴雨预报[1]。该方法与普通回归法的不同在于：对于一次特定的预报，回归方程的因子数并不确定，要通过筛选因子及加权来尽量降低预报平方误差期望值。     

最优子集回归模型在低纬高原雨季开始期预报中的应用试验

将所有可能子集回归模型用于云南雨季开始的预报试验,选取有实际预报意义的５００ｈＰａ、海温头年１～１２月及同年１～３月网格点资料作为共同影响因子,分别与云南各站降雨量建立最优子集回归模型,对１９９８年、１９９９年的雨季开始期雨量进行独立预报表明：模型预报准确率优于逐步回归模型。从实况检验来看,效果较好,前期１～３月预报因子和模型适合低纬高原降水预测。     

白银市春末夏初旱最优子集回归预测模型

白银市地处甘肃省中部 ,包括景泰、白银、靖远、平川、会宁三县两区 ,受青藏高原边缘下沉气流和副热带环流的影响 ,气候以干旱为主。文中分析了影响春末夏初旱的大气环流 ,海温等因子 ,并用最优子集回归方法建立了干旱指数的预测模型。1　预测因子选取1 .1　选取白银市 (景泰、白银、靖远、会宁 ) 4站 5月中旬至 6月中旬的降水量、有效降水日数、最长旱段三个要素计算各站 1 95 7～1 998年 41年逐年的春末夏初干旱指数 ,用ＥＯＦ和聚类分析方法将白银市春末夏初的气候分为北片 (景泰、白银、靖远 )和南片 (会宁 )。因子场 :北半球 5 0 0ｈＰ…     

运用遗传程序设计作降水量预报

本文运用遗传程度设计作降水量预报，选取一组标样作为研究对象，预报成功率较高。结果表明，该方法性能良好可望成为降水量预报的有效辅助手段。     

区间概率函数在晋城市降水概率预报中的应用研究

本文主要应用区间概率函数转换预报因子，经过相关比筛选。进行因子回归，构建分量级降水概率预报方程，同时应用T213L31数值预报产品统计释用方法，结合最优子集回归构造分时刻预报方程，最后进行概率预报。我们根据晋城气候区划，设计平川和山区两种降水概率预报方程。为晋城市开展降水概率预报提供了基础。     

多因变量双因子集矩阵回归预报方法

在多因变量多元回归中,采用单因子筛选引入公共预报因子进行矩阵回归预报时,由于自变量间互相关联,有可能存在这样的双因子,单个因子回归检验不太显著,但2个因子检验变得显著,势必造成某些预报信息的遗漏。基于此该文引入多因变量双因子集矩阵回归预报方法,通过对玉溪市9站点5月雨量预报检验,预报效果明显高于单因子筛选回归,尤其对特多特少异常年更具有指导意义。     

夏季分县降水量集成预报试验

将国家气象中心Ｔ１０６和ＨＬＡＦＳ、山西省气象台ＢＰ神经元和动力相似方法输出的降水预报值作为预报因子,运用灰色理论分别将以上４个预报因子原始数列和降水实况数列作一次累加生成处理,分别得到随机性被弱化的单增数列,用卡尔曼滤波法进行递推计算,得到降水预报值。将得到的降水预报值作还原处理,即累减生成后,最终输出降水量分县预报。此方法用于１９９８年夏季,取得了良好的预报效果。     

长期降水量预报途径的探讨

本文对上海近30年（1951－1980年）降水时间序列的属性进行了分析，由此建立了旬降水量游程序列和距平势序列预报模型，并预报了未来降水量的大小，效果较好。     

用500hPa环流相似作兴安盟夏季降水量预报

计算兴安盟夏季降水量与前期 5 0 0 h Pa月平均高度相关系数场 ,分析其相关关键区 ,筛选出一批相关系数值较高的关键区域作为预报因子 ,根据预报年因子与样本年因子的接近程度 ,作相似离度计算 ,以相似离度度量 ,进行选相似作预报。从而得出夏季雨量预报。在 2 0 0 1年夏季短期气候预测中应用 。     

菏泽牡丹开花期的长期预报

统计分析得出牡丹花期与前期气象条件的关系，早晚花期前期环流场存在明显差异，500hPa月平均高度场与牡丹花期存在优势相关因子，采用“两段筛选”的思想，先用逐步回归，再用最优子集回归方法，得出牡丹花期中长期预报方程，经试用，方法性能稳定，效果较好。     

试用年际变量自相关法作月降水量预报

该文用安顺３０年的月降水资料，用年际变量自相关法对原序列数据进行处理，试作了安顺９７年６，７两个月的降水量预报，预报趋势完全正确。该方法易操作，对月降水预报有参考价值。     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。