基于多元线性回归算法的雾霾预测模型的研究

对乌鲁木齐市环境监测站2013—2015年冬季逐日AQI、PM_2.5、PM₁₀、SO_2、NO_2、CO、O_3数据进行相关分析,并利用MATLAB编程工具进行多元回归统计分析,建立了多元回归统计预测模型。对2015年1—3月乌鲁木齐雾霾天气进行预测试验,发现预测值与实际值有较好的拟合效果和预报效果。实验证明,在大气层结稳定的冬季将当天的大气污染物浓度作为因子,用多元线性回归算法建立预测模型对次日雾霾天气进行预测是一种有效的雾霾统计预报手段,本文试图用MATLAB编程工具建立动态多元回归预测模型,编写了自动预测系统软件,测试取得了较好的预测效果。     

基于多元线性回归的日蒸发量估算与应用

利用阳江气象站2005～2010年的观测资料,探讨了日蒸发量与其他气象因子的相关性,并建立了基于多元线性回归的日蒸发量估算方程。结果表明,日蒸发量除了与当天的日均饱和差、日均相对湿度、日日照时数、日均地面温度、日均风速等常规气象要素关系密切外,还跟今昨风速差、今昨气温差、今昨湿度差等时间序列因子有关,而且相关性非常明显。利用多元线性回归建立的日蒸发量估算方程,其预测效果能够满足气象观测业务的要求,其估算值可作为判断实测蒸发量是否正常的一种参考依据,对提高蒸发量的观测质量有较好的作用。     

多元伪线性回归系统部分耦合 多新息随机梯度类辨识方法

针对多元伪线性滑动平均系统,讨论了多元增广随机梯度算法,为减小算法的计算量,将系统分解为一些子系统,给出了子系统增广随机梯度算法,利用耦合辨识概念和多新息辨识理论,推导了部分耦合（子系统）增广随机梯度算法、部分耦合（子系统）多新息增广随机梯度算法.进一步将提出的方法推广到多元伪线性自回归滑动平均系统,给出了部分耦合（子系统）广义增广随机梯度算法、部分耦合（子系统）多新息广义增广随机梯度算法.文中分析了多元增广随机梯度算法、部分耦合增广随机梯度算法、部分耦合多新息增广随机梯度算法的计算量.     

基于多元线性回归的滇西南短时强降水预报模型研究

利用云南省普洱市2015—2017年多普勒天气雷达资料、探空资料和气象观测站5 min雨量观测资料,分析了普洱地区研究期间41次短时强降水的环境场和雷达回波演变特征。结果表明:中尺度辐合线、中气旋、逆风区是强降水触发和维持的重要成因。短时强降水发生前,整层大气水汽充沛,静力不稳定层结,大气可降水量(PW)≥35 mm、SI≤-0. 23、K> 35,可作为环境场对流潜势的判定因子;短时强降水发生时,雷达回波最强反射率因子≥40 d Bz,35 d Bz回波顶高> 5 km,径向速度的辐合切变量> 5 m·s^-1。通过多元线性回归分析,选取4个相关性显著的影响因子,建立普洱市短时强降水预报模型。所选预报因子包括:35 d Bz回波顶高、30 d Bz垂直剖面中心高度、30 d Bz以上雷达回波面积和SI。预报模型的回报检验表明,普洱短时强降水平均雨强相对均方根误差为17. 0%,局地降水持续时间相对均方根误差为33. 9%,局地过程降水相对均方根误差为25. 6%,回报效果较好。4次短时强降水预报检验中,平均雨强的预报误差每5 min小于1. 2 mm,局地强降水持续时间的预报误差小于10 min,局地过程降水的预报误差小于4 mm,模型均预报出局地连续性降水超过50 mm。预报模型有较好的预报能力,可应用于普洱短时强降水的临近预报预警。     

用多元线性回归分析作凯里站5月逐日晴雨预报

利用多元回归分析方法建立凯里站逐日晴雨预报方程。预报因子的资料来自“黔东南州短期预报业务自动化系统”，通过“0，1”编码方案进行处理。建立的回归方程预报效果呆投入业务使用。     

多元门限回归模型的一种建模方法

本文根据门限自回归模型的基本思想[1]，提出一种多元门限回归模型的建模方法。其特点是充分考虑了预报系统中某些特殊预报因子突变点对预报关系的改变作用。数值实例表明，该模型在模拟和预报精度上比一般线性逐步回归模型有一定程度的提高。     

用线性回归方法建立贵阳市空气质量预报模式

利用贵阳市大气中 3种主要污染物浓度的实时监测资料和气象观测资料 ,建立污染物浓度的自回归模型及其与相关气象因子的多元回归模型 ,并将两种模型进行拟合 ,确定空气质量预报的统计模式     

最佳子集多元线性回归模型在热带气旋风圈 变化预报中的应用

基于最佳路径(IBTrACS)数据集和欧洲中期天气预报中心(ECMWF)的再分析(ERA-Interim)数据,建立了西北太平洋上(Western North Pacific,WNP)热带气旋(Tropical Cyclone,TC)的七级风圈(R17)变化的最佳子集多元线性回归(bs-MLR)模型.首先根据2001～...     

用电子计算器计算相关系数和进行回归运算的简易方法

预报、农业气象以及气候分析,经常要接触到相关系数和回归方程的运算。我们都知道,用笔算一个相关系数(若n=20)最快的也得半小时,解一个回归方程,四元以上的半天还不够,工作效率大成问题。     

线性回归预报模型的效果分析

长期天气预报成败的关键因素是所选预报因子是否符合长期天气过程的基本理论,是否对预报对象具有“真正”的指示意义。但对同样的预报因子,预报方法选择是否恰当,也会直接影响预报效果。因此如何选择     

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。     

云迹风资料导出的原理和方法

本文介绍了利用静止气象卫星云图导出云迹风资料的原理和方法，并对导出的云迹风资料进行了分析。结果表明，所得结果具有一定的合理性，合理利用这些资料可以弥补台站稀疏的地区资料缺少的缺陷，对天气分析和数值预报有一定的补充作用。     

长期天气预报线性自回归模式的拟合

本文总结了平稳时间序列线性自回归模式拟合的各种方法。线性自回归模式的参数是由Durbin 的逐步递推过程进行估计的,该模式的阶数通过 t 检验或 F 检验予以选定。文中还给出用于月降水量预报的说明性实例。     

利用EXCEL软件进行线性回归分析

介绍了EXCEL数据处理软件在一元和多元线性回归分析中的应用方法及实现技巧。     

利用EXCEL软件进行线性回归分析

介绍了EXCEL数据处理软件在一元和多元线性回归分析中的应用方法及实现技巧。     

一个半线性耦合抛物型方程组爆破解的速率估计

考虑一个方程和非线性边界条件耦合的半线性抛物型方程组,运用Scaling方法、Green函数、Schauder估计等方法,研究该方程组解的爆破速率,并给出非线性反应项和吸收项对爆破速率的影响。     

多元模糊回归在大豆产量预测中的应用

本文用元模糊回归分析方法作大豆产量预测，经验证，预测精度稳定，有较好的使用价值。     

一种新的线性回归模型及其应用示例

回归分析是统计分析中常用的方法之一。传统的回归模型不具备全域分析能力,而变量场之间的关系多采用SVD（Singular Value Decomposition）进行分析,与传统的回归分析有所脱节。更为广义的线性回归模型是传统线性回归模型的延拓,在标量情况下,该模型可转化为传统线性回归模型。该模型的基本特征包含乘法不可互易性、等价于传统线性回归（因子项为标量时）、可分析性、延拓性、降维特征及容错性等。该模型解决了传统的线性回归模型不具备全域分析能力及模型表达能力受限于模型维数的现实问题。本文采用了NCEP（National Centers for Environmental Prediction）降水、高度场、风场月平均资料及国家气候中心西太平洋副热带高压指数资料,利用该模型和传统回归方案进行对比分析,分析结果表明,该模型具有一定的实用参考价值。     

线性回归集成在汛期降水预报中的应用

长期天气预报以什么作为预报因子更妥些?这里我们仅从某地区长期天气过程的演变,与大气环流中某些影响该地区长期天气过程变化的主要活动系统的变化,及其相互制约上来考虑问题。在500毫巴月平均图上,在亚欧范围内选取前期1—12月份各月500毫巴月平均图上十个关键区作预报因子,以此来表示主要活动系统,某地预报对象到底与前期那个月的500毫巴月平均图上