预报因子选取及方程建立人机交互平台

利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。     

对回归分析的因子问题的探讨

对回归分析中的因子问题作了一些探讨,认为对预报因子进行相关稳定性检验后,选取相关稳定或相关系数呈上升趋势的因子建立回归方程,预报效果较好.一些非线性函数,经过适当的变换可化为线性函数,通过这种变换,一些曲线回归问题可以用线性回归进行处理,用来预报效果较好.     

一个用偏相关筛选建立多元回归方程的方法

逐步回归方法在天气统计预报中已应用较久,因为它计算手续复杂,在没有快速计算设备的县站一直很难应用。现在提出一个用偏关的t检验对回归方程中预报因子进行筛选,即所谓偏相关筛选的方法建立回归方程。因为在未建立回归方程以前就可以确定可能预报因子中的剔除对象,而且可以利用筛选过程中的相关计算结果来计算回归,所以这个方法的计算量较逐步回归方法大大减少。     

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。     

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。     

用事件概率回归方法预报咸阳机场辐射雾消散

在常规的天气分析基础上,尝试用事件概率回归方法来预报咸阳机场辐射雾的消散,以实现雾消预报的定量化。选取咸阳机场1992-2002年95个辐射雾日样本资料,进行事件概率回归分析。入型条件为：早晨06时(北京时)成阳机场有辐射雾(能见度≤700m),考虑4小时内辐射雾消散与否的概率。因子的选取根据因子间及因子与预报量间的相关系数决定,所求回归方程经F检验是显著的。预报效果经回报与试报,准确率达到78％以上。     

回归分析中因子群讯息的浓缩

一、问题的提出回归分析被广泛地应用于天气预报,并收到较好的效果。一般回归(一次回归)是在事先将预报因子加以挑选,选取达到一定信度a的预报因子,然后根据最小二乘方原理建立预报对象的回归方程。这些预报因子在回归计算过程中无一例外地全部引进方     

利用非线性回归技术建立洛阳机场大风预报方法

利用2005-2008年洛阳机场200个大风天气个例,从经验和物理意义出发选取地面风速预报因子,然后对初选因子进行多种组合并同预报量作相关分析,确定了东、西风型各10个因子。根据各个因子在引入的线性和5种非线性函数形式下同预报量的相关程度,确定每个因子同预报量的最优函数关系,进而分别建立了东、西风型风速预报的多元非线性回归方程,再应用双重检验的逐步回归方案对方程进行优化,并将优化后的方程进行了检验,最后分析了影响风速主要因子的作用。结果表明:利用非线性回归方程对风速进行客观定量化预报,预报效果达到了民航气象对大风预报的质量要求,能够为实际工作提供参考;预报东、西风型风速的首要因子分别是气压梯度和变压梯度。     

相关比回归模型与线性回归模型对比分析

在日常的统计天气预报中,我们采用线性相关系数挑选预报因子,但实际经验告诉我们:某些预报因子与预报对象之间存在着明显的非线性关系。我们在国外提出的相关比计算方法的基础上,把近邻权方法引入到相关比计算中,以提高其估值精度,并提出相关比回归模型,把非线性信息引入到模型中。本文通过实际试验结果分析线性回归模型与相关比回归模型的优劣、不同近邻权参数对相关比回归模型拟合、使用的影响。     

最优化因子处理及加权多重回归模型

因子的优劣是回归分析的关键。故在建立回归方程时,一般除对预报因子进行直线相关普查外,还要进行非线性相关普查。如将原因子x用x~(-1)、x~(1/2)、x~2 、e~x、In x等函数形式进行变换。但由于这些函数形式有限,故不一定能找到最优的表达形式;为此冯耀煌等仅给出了x~a和e~(ax)两种通式,其中a为待     

渭南玉米产量气象条件分析与预报模型研究

利用渭南市1996—2018年玉米产量和同期全市11个气象站玉米生育期内光、温、水气候资源,采用直线滑动平均法结合调和权重法对渭南市玉米产量进行趋势产量和气象产量的分离。采用SPSS17.0软件对分离出的1996—2014年玉米气象产量与生育期各类气象因子进行相关性分析,筛选出相关性较高气象因子,采用多元线性回归方法,与气象产量建立预报模型。分析各因子对玉米产量的影响发现:在营养生长阶段,降水对产量贡献最大;在生殖生长阶段,降水与产量呈负相关。预报模型回代、预测结果显示,回归方程显著,预报效果良好。     

用非线性逐步回归方法作台风预测试验

利用非线性逐步回归方法作台风活动趋势的预报,在回归方程中考虑了预报因子与预报量之间的非线性关系,回归方程中选入的非线性因子具有较高的相关显著性,对１９９５－１９９７年台风预测试验表明,非线性因子在预报中起着及其重要的作用。取得了较好的预报效果。     

样本协方差递推公式在降水预报中的应用

回归分析是长期预报的主要方法之一。它应用数理统计的方法确定相关变量之间存在的某种客观规律,从而建立预报方程,并在天气预报中加以应用。但回归方程的建立决不是一劳永逸的事,当样本容量不断增加(或减少)时,依然将新数据代入原来的预报方程,是造成预报失败的原因之一。举例如下:     

多元回归和逐步回归法的比较试验

一、前言 由于大气运动规律及其所伴随的天气现象,不能完全为统计学所概括,所以,回归分析方法虽然在长、中、短期天气预报中广为应用,但至今还不很完善。 对此,人们从不同角度提出了许多改进措施。比如:针对回归方程的可靠性、稳定性问题,有人通过选取因子变量(包括个数)和回归模型来控制;对于回归方程预报误差问题,提出应把预报系统看作是参数时变的动态系统,用“多层递阶方法”来处理。     

高血压发病的气象因素分析及潜势回归预报的尝试

利用1999—2008年德州市人民医院高血压住院病例资料和同期气象资料进行分析研究,揭示了高血压发病的月、季变化特点,通过高血压发病与气象因子的相关分析,表明气压及其变化、气温及其变化与高血压发病关系显著,不同季节影响不同,找出了诱发高血压发病的主要气象因子,用多元逐步回归方法建立了高血压发病分季逐日预报回归方程。     

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。     

西北太平洋海温变化对贵州夏季降水的影响

利用1952-2001年贵州15个测站夏季降水和前期太平洋海温场资料,及3因子最佳子集回归求最大复相关系数的方法,把前期不同时间步长、不同时段的海温场作为预报因子与夏季降水求相关。结果发现：用前期海温场作为预报因子对贵州夏季降水进行预报,其预报因子的最佳时间尺度为单月滑动,并且存在着较好的“隔多季度相关”现象。预报因子具有实际预报意义的最佳时段为上1年的8～11月。影响贵州夏季降水的最佳预报因子主要集中分布在海温场具有重要天气气候意义的关键区域。2002、2003、2004年的回报试验结果与实况进行对比分析发现,根据上述理论和预报思路得到的预测试验,具有一定效果,并且对指导贵州夏季降水预测具有一定的参考价值。     

大气污染物非线性回归模型构建

本文基于重庆主城区（沙坪坝站）2014—2018年逐日同期同步观测的气象要素和环境空气质量监测数据进行分析。首先通过对不同大气污染物与各种气象要素进行相关性分析，剔除影响预报模型共性的气象因子，明确显著影响空气质量的气象要素；然后结合污染物排放、大气扩散过程和湿沉降作用机理；最后构建乘幂与线性叠加的混合模式的空气质量预报方程。结果表明：构建的非线性回归方程能较为真实地反映主要大气污染物与气象要素的相互影响关系，回归模型预报检验准确率高（预报评分达87.6）。     

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。     

前期高度场和海温场变化对我国汛期降水的影响

利用1952～2001年我国160个测站汛期降水和前期500 hPa高度场和太平洋海温场资料以及三因子最佳子集回归求最大复相关系数的方法,把前期不同时间步长、不同时段的高度场和海温场同时作为预报因子与汛期降水求相关.结果发现:前期两个场共同作为预报因子比把其中某场单独作为预报因子的相关要好.并且存在着较好的"隔多季度相关"现象.预报因子具有实际预报意义的最佳时段为上一年的6～9月.影响我国汛期降水的最佳预报因子主要集中于高度场和海温场具有重要天气气候意义的关键区域.汛期降水可预报性在北方和长江以南均较好.