均生函数模型在长期天气预报中的应用

应用均生函数建立了市短期气候预测模型，并进行了试报和检验。结果表明，该方法对哈尔滨市的短期气候有较强的预测能力，尤其对极值有较好的拟合和预测能力。     

均生函数模型在长期天气预报中的应用

利用泰安市1951～1999年4月份气温资料,应用均生函数建立了气温预测模型,并进行试报和检验.结果表明,均生函数预测模型可以较好地拟合气温的变化趋势,对月气温有较好的预测能力.     

多元均生函数模型及其在短期气候预测中的应用

在原均生数模型的基础上，对模型进行改进，首次引入预报因子变量，建立一个多元的均生函数模型。它适应于气温、降水、热带气旋个数等多种要素预报。新建的多元均生函数模型包含了原模型的优点。而且比原有均生函数模型具有更物理基础。     

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。     

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。     

均生函数模型在气温和降水预测中的应用

应用均生函数对单一的气象要素序列建立预测模型,并进行试报与预测检验。实例计算分析表明,该方法对短期气候预测有较强的预测能力,均生函数模型预测结果具有一定的可信度。     

时间序列均生函数模型在降水量预测中的应用

利用高要站1980—2015年冬季(12月—次年2月)的降雨量,构建均生函数模型,并采用粗选因子、逐步引入、逐步剔除等3组回归方案,对降雨量进行模型拟合,2016—2017年冬季降雨量进行模型预测结果的检验。结果表明:3组回归方程均能较好地拟合时间序列的变化趋势,对极值的把握表现较好,对短期气候预测业务有一定的现实意义。     

均生函数模型在降水预测中的应用

采用均生函数模型对单一的要素序列作气候预测试验。首先计算出要素的均生函数，经逐步回归，筛选出周期性预报因子，以期建立历史拟合和预测效果好的模型。实例计算分析表明，均生函数模型预测的结果具有一定的可信度。     

均生函数模型在高原汛期降水预报中的应用

以均生函数为基函数,建立了正交化、主成分和最优子集回归三类预测模型。对云南昆明、滇中（包括昆明、玉溪和楚雄）及西藏林芝的汛期（６￣８）降水进行了模拟和预测、其拟合效果,特别是对极值的拟合十分理想。结果表明：在高原地区,均生函数模型预报降水具有较高的精度,拟合报准率和实际报准率分别为９７％￣１００％和６０％￣８０％,且具有多步预测能力。     

利用均生函数预测模型作降水预报

本文对均生函数预测模型基本原理作了简要的介绍.并用该方法预测资阳汛期(5-9月)降水总量,用此方法还可作逐月的降水量.如同在数理统计中通常所要求的,序列样本量n不小于30,在具体应用中历史资料越长,准确率越高.     

利用均生函数预测模型作降水预报

本文对均生函数预测模型基本原理作了简要的介绍。并用该方法预测资阳汛期（5-9月）降水总量，用此方法还可作逐月的降水量．如同在数理统计中通常所要求的，序列样本量n不小于30，在具体应用中历史资料越长，准确率越高。     

多网格法在长期数值天气预报模式中的应

本文在简要介绍了多网格法的基本思想和本文所用的经改进的地气耦合非定常距平模式的基础上，用多网格法求解地气耦合非定常距平模式中的位势倾向方程—椭圆型方程。通过对1982～1989年6～8月的北半球环流季节预报试验表明，由于使用多网格法，迭代精度提高了，克服了原模式预报的距平场过分光滑振幅偏小的缺点，很好地解出了模式中对长期天气预报起关键作用的大尺度低频信号。在高低两种精度下进行的比较试验表明:多网格法较逐步超松弛法可以使计算速度提高1倍以上。高精度较低精度多网格法更为有效。     

基于SSA-MGF的BP神经网络多步预测模型

采用奇异谱分析（Singular Spectrum Analysis，SSA）方法对标准化样本序列进行准周期信号分量重建，将重建序列构造均值生成函数（Mean Generating Function．MGF）延拓矩阵作为输入因子，原样本序列作为输出因子，构建BP神经网络多步预测模型。通过实际建模并与逐步回归等方法进行对比预测试验，结果表明，基于SSA-MGF的BP神经网络多步预测模型预测效果优于其他3种模型，说明SSA的去噪及BP神经网络预报模型对于提高预测准确率是相对有效的，是一种具有较高应用价值的多步预测方法。     

影响广西的热带气旋的预测概念模型

利用太阳黑子相对数、拉萨站气温距平、相关海区海温距平、南极海冰面积资料,计算和分析前期太阳黑子活动、高原热状况、海洋行为和南极海冰变异与影响广西的热带气旋频数的关系,提出一个预测概念模型.     

均生函数—最优子集回归在高温极值预测中的应用

根据南京等城市1961年以来历年气温极值资料序列，采用均生函数—最优子集回归法设计的短期气候预测模型不但能较好地拟合历史实况，而互对未来l～5年的演变趋势也具有一定的预报能力。     

自忆谱模式制作中期天气预报的试验

基于大气自忆性观点, 引进记忆函数, 可构造一个差分-积分方程; 称之为自忆性方程; 给出了此方程的球谐表达式及其离散计算公式.以T42L9谱模式为动力核, 建立了一个全球自忆T42谱模式 (SMT42).用实际资料进行了逐日至15天积分试验计算, 表明对于500 hPa中期数值天气预报, SMT42比T42的均方根误差小得多, 同时SMT42对距平相关系数也有所提高, 这为中期数值天气预报提供了一种有潜力的新途径.     

The POSEIDON Nearshore Wave Model and its Application to the Prediction of the Wave Conditions in the Nearshore/Coastal Region of the Greek Seas

In the present work, the Poseidon Nearshore Wave Model (PNWM) developed in the framework of the POSEIDON project 1 , and its application to the prediction of the wave conditions in nearshore/coastal regions of Greek seas is presented. The PNWM is based on a one-way energy coupling between a third-generation, phase-averaged, nearshore wave model and a local phase-resolving model, nested in the first model. The local wave model is supported by the consistent coupled-mode theory, based on an enhanced local-mode representation of the wave velocity field, which except for the propagating and the evanescent modes includes an additional mode, permitting the exact satisfaction of the sloping-bottom boundary condition, even in areas with locally steep bottom slope and large curvature. Thus, three-dimensional diffraction effects are fully treated in the local nested area. Numerical results are presented demonstrating the application of the PNWM to nearshore and coastal sites of the Greek seas.     

冬小麦土壤墒情预报及优化灌溉技术的计算机模型

利用土壤水分平衡方程，根据我省冬小麦的生长规律及冬小麦优化灌溉技术推广经验，建立了冬小麦土壤墒情预报及优化灌溉技术的计算机模型，利用该模型，可以较准确地预报未来1个月的土壤墒情变化，并可根据我省小麦的不同发育期给出以最高产量和最佳经济效益为目标的两种灌溉建议。