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。     

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。     

长期天气预报中多层递阶方法的改进试验及其应用

一、引言多层递阶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数学预测模型,它将预报对象看成是随机动态的时变系统,摒弃了经典统计理论中的固定参数预报模型,故对天气预报这一类时变系统具有较强的适应能力,因而引起了气象工作者的广泛关注,并进行了许多有益的探索和尝试。近几年来,多层递阶方法在气象领域中的应用日益广泛,特     

多层递阶方法在中期天气预报中的应用

本文用欧洲中心500 hPa中期逐日预报资料,使用多层递阶方法,提出了中期降水。气温的预报模型,业务使用结果表明,多层递阶方法对于中期天气预报也具有较好的预报能力。      

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     

多层递阶方法及其在汛期入库流量预报中的应用

多层送阶方法是近几年来在国内发展起来的一种动态系统的新的预报方法．它的应用范围十分广泛．本文简述了它的数学原理并试用于黄河上游唐乃亥站汛期入库流量的业务预报．其结果是比较好的．     

多层递阶双优模式

通过对机械化施工方案技术经济的重要性和分析步骤的叙述，介绍了机械化施工中工程成本的内容和计算方法，并重点描述了施工方案技术经济分析方法中常用的工程成本法和回收期计算法。     

多层递阶双优模式

<正> 多层递阶预报法是一种动态系统法,它是近代统计学吸取“控制论”的结果。这种方法把状态分为两个部分,即动态系统的参数预报和以参数的预报值为基础的状态预报。在一定程度上克服了系统的时变性与进行预报的数学模式参数的非     

用多层递阶周期分析模型预测贵州春夏旱

较详细地介绍了多层递阶周期分析模型,通过对传统的周期分析方法应用于贵州春夏干旱的预测作对比和试报,发现多层递阶周期分析与传统方法预测效果较接近,略优于传统方法。１９９４年－１９９７年４年试旱率７５％,夏旱１００％。在此基础上,对贵州１９９８－２０００年的夏干旱趋势作了详细的预测分析。     

多层递阶方法在短期天气预报中的应用试验

本文使用多层递阶的基础理论,提出了短期雷暴预报的两种模型A和B。试验结果表明,多层递阶方法,对于短期天气预报也具有较强的预报能力。     

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。     

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。     

鲁南月降水量的多层递阶预报方法

在实际的预报工作中,对于月的降水量预报或做其它长期预报,通常从这样几个方面考虑问题:1.降水自身的演变规律;2.寻找各气象要素或要素场与降水量的相关关系,3.选择最佳预报因子,用统计的方法做出预报。 所以我们最关心的正是如何确定气象要素场与降水量的相关关系,选择合适的预报因子。在实际工作中预报因子的选择往往是预报成败的关键。但在预报因子选取之后,选择合适的统计方法也是不容忽视的。现将我们做的一点工作简介如下。     

用多层递阶方法作中期气温预报

一、前言四月上、中旬正值我省春播的关键时刻,气温的高低对春播影响较大,低温阴雨会造成烂秧,高温阴雨会出现病虫害,因此作好春播期的中期气温预报是很重要的。通常运用回归分析方法作预报存在着一定的局限性。     

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.     

带有周期分量的多元逐步回归

从气候资料中提取隐含周期是时间序列分析的目的之一。目前常用的方法有:谐波分析、周期图、谱分析和最大熵谱分析。谐波分析和谱分析在处理短序列时,分辨率很低。最大熵谱的优点是分辨率高,它对于揭露气候资料的周期是一个好方法,但很难用于预报。根据方差分析原理有人提出了另一个提取周期的方法。假设气候资料 x(t)是由若干周期函数和一个白噪声迭加而成的序列:     

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。