试用逐步回归周期分析作月降水预报

魏凤英等针对方差分析的不足,提出了一种新的时间序列分析方法——逐步回归周期分析。它假定时间序列 X(t)是由若干不同权重的周期函数 f_i(t)迭加而成,即     

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:     

因子筛选与周期分析相结合的逐步回归双重分析预报模型

一、引言 魏凤英等提出的逐步回归周期分析为长期天气预报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的长期预报,取得了一定的效果。 然而该方法还存在一定的缺陷,主要表现是有肘方程的拟合率很高,但预报效果不     

带周期分析因素的逐步回归方法在寒露风天气预报中的应用

提出以方差分析周期因素嵌入逐步回归建立灾害天气长期预报模型方法，应用结果表明：模型预报精度及稳定性均比单纯的周期分析或利用前期气象因子建立回归模型有明显改善。     

逐步回归双重分析

本文运用逐步回归方法同时进行因子筛选和周期分析,建立预报方程。既考虑了前期因子的支配作用,又兼顾了预报对象本身的周期变化的影响。其效果明显优于周期分析和多元回归分析,预报效果较为稳定。     

带周期分析因素的逐步回归方法在寒露风天气预报中的应用

提出以方差分析周期因素嵌入逐步回归建立灾害天气长期预报模型方法，应用结果表明：模型预报精度及稳定性均比单纯的周期分析或利用前期气象因子建立回归模型有明显改善。     

逐步回归周期分析的改进方案及其在气候预测中的应用

考虑均值生成函数随机性的强弱,本文引进了筛选周期因子的新标准,提出了逐步回归周期分析的改进方案,运用东太平洋海温、长江流域和华南地区汛期降水量、太阳黑子和年轮指数序列进行实例计算,结果表明,本方案不但有较高的长期预测效果,且有一定的分析时间序列隐含周期的能力。     

带有周期分量的多元逐步回归在橡胶寒害趋势分析中的应用

本文采用带有周期分量的多元逐步回归方法建立了海口、白沙等五个站的极端最低气温预报模式,用其来分析橡胶寒害趋势。此方法既考虑了预报因子对预报量的影响,又考虑了预报量本身的周期变化及预报因子的相关阶段性。模式的拟合及预报效果都比较好。      

逐步回归自相关分析

作者从时间序列的自相关分析出发，提出了一种适于回归统计分析的生成预报因子的简单方法，建立起自相关预报模型。实例计算表明，此方法不仅预报精度较高，而且在对周期性相关因子的选择上具有等同的统计、检验前提，避免了一般方法因周期长度不同而带来统计，检验差异的影响。因而得到的回归因子较客观，真实。另外，还具有一定的分析时间序列隐含周期的能力。     

逐步回归的性能分析

为了适应天气预报客观化、定量化的要求,自六十年代以来,统计预报获得了迅速发展,目前已成为一个独立的预报体系。从理论、计算方法和预报效果来看,逐步回归是统计预报中比较成熟的一个预报方案。但是,在预报实践中,却常常发现效果时好时坏。因而有人对这个方法的性能产生怀疑。为什么会造成     

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.     

改进的逐步回归双重分析

一、引言影响气象要素长期变化的因素很多,总的书说包括三个方面:一是前期因子的变化,二是本身的变化,三是随机变化。一般认为随机项可忽略不计。有时用前期因子建认为气象要素的预报方法,即我们常说的逐步回归分析模式;有时用某气象要素的本身变化特点建立其预报方法,就是我们常说的周期分析叠加模式;有时将两者统筹考虑建     

用Excel作逐步回归分析

结合始兴站1965～1994年前汛期部分观测要素实况数据对雨量的回归拟合个例,通俗说明在Excel软件中进行逐步回归分析的详细过程,为中长期预报中应用逐步回归分析作参考.     

用带周期分量的逐步回归模型预测冬小麦产量的试验

本文首先对粗选因子进行主分量分析,得到立分量组合因子,将其连同预报量和主分量因子的周期分量一起嵌入逐步回归方程,来组建北方主要产麦区冬小麦产量预报模式,收到较好的效果。     

闽南春播逐步回归方程的实践分析

1971年,我们采用逐步回归方法,分闽北、闽南以两种方案进行春播长期统计预报试验,建立了以12月初为起报点的季度预报和2月初为起报点的月补充预报两套方程。预报内容包括春播期趋势(2月21日—3月31日的平均气温)与春播期过程(逐候的最低日平均气温)。浦城(代表闽北)的预报因子均为本站资料,统计样本33年。漳州(代表闽南)的预报因     

用逐步回归周期分析法建立太原汛期（6—8月）降水预报模式

用逐步回归周期分析法建立太原汛期（６～８月）降水预报模式李强（山西省气象台０３０００６）前言目前，在气象预报业务中，方差分析被广泛地用于气象要素的预报，如降水、气温等。并取得了明显的效果。其主要原理就是从气象序列中提取主要周期。但此种方法有其局限性，...     

逐步回归双重分析在长期预报中的应用

前言逐步回归双重分析方法运用了逐步回归方法,同时进行因子的筛选和周期分析,在制作预报时,既考虑了前期因子对预报对象的支配作用,又兼顾了预报对象本身周期变化的影响。解决了多元回归和周期分析两种统计方法的不足之处,预报效果较为稳定,预报精度明显提高。一、统计模型的建立气象要素的变化不仅受到前期因子的支配,同时要素本身也有其演变规律,只是在不同的情况、不同的条件下起的作用不同而已。本方法的统计模型为     

逐步周期分析

在阐明相邻两步方差分析中总的离差平方和、组间离差平方和及组内离差平方和内在联系的基础上,建立了逐步周期分析的模型,并对方差分析周期外推现行方法中若干不当之处提出了修正。     

逐步回归双重分析及其在长期预报中的应用

一、问题的提出多元分析和时间序列分析是统计预报的两大分支,为目前气象台站制作长期预报的主要方法之一。通常认为,气象要素序列的组成包括趋势项、周期项和随机项,即: y=f_1(x)+f_2(x)+ε多元分析假设气象要素的变化主要受前期因子的支配,周期性变化可以忽略不计,即