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。     

用矩阵回归方法作德阳春季寒潮预报

本文从数值预报模式在不同时次输出同一时刻预报产品的稳定性出发,采用MATLAB6.5语言进行矩阵回归运算,建立德阳5站春季(3~4月)24~96小时逐日平均气温预报模型,从而作出德阳春季寒潮预报。     

用矩阵回归方法作德阳春季寒潮预报

本文从数值预报模式在不同时次输出同一时刻预报产品的稳定性出发,采用MATLAB6.5语言进行矩阵回归运算,建立德阳5站春季(3～4月)24～96小时逐日平均气温预报模型,从而作出德阳春季寒潮预报.     

试用多层递阶回归分析法作月降水预报

通过对多层递阶回归分析方法的试用,表明这种方法在预报业务中有实用价值。     

应用回归统计方法制作城镇气温预报

从城镇天气预报工作实际出发,采用插值方法将欧洲中心850hPa高空温度预报结果内插到城镇预报站点。运用线性回归方程建立站点气温预报模式,并对不同的历史时间段样本计算结果进行检验,根据结果来选择最佳的样本参数。     

广东省24～144小时降水概率回归预报

本文利用欧洲中心10年（1980-1989年）物理量资料，建立了广东省86站1-12月的晴、雨及有无大于25mm降水完全概率回归预报方程，并利用T106逐日要素场预报资料，作24-144小时逐日滚动降水概率回归预报，并逐日上网做指导预报，供广东省各台站调用。     

济南市6月份高温预报方法

应用１９８５－１９９４年６月份温度资料进行统计,通过分析得出出现高温的预报因子,建立高温预报方法,确定简单可行的高温定性判别指标。     

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。     

利用多元回归方法制作景德镇市洪峰水位预报

对1996年、1998年、1999年景德镇地区的降水、洪水情况进行了分析,在雨量和水位的对应关系中选出37个样本,并应用多元回归方法分别建立了12个水位预报方程。从这些方程的预报与拟合效果可以看到,所建立的12个预报方程拟合效果都较理想,拟合结果与实况的相关系数均为0.95以上。应用2006年、2007年2次降水过程中景德镇市中尺度雨量站降水资料和水位资料,对预报方程进行了效果检验,误差基本在0.5 m以内。     

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。     

支持向量机回归方法在实时业务预报中的应用

简要介绍了支持向量机(Support Vector Machine,简称SVM)回归方法的基本原理,并介绍了基于SVM回归方法,利用1990～2000年1～12月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料构造预报因子,建立德阳市5个代表站的日平均气温、日最高气温、日最低气温的SVM回归预报模型及其在业务化运用中的效果。     

双评分准则逐步回归法

阐明了以双评分准则(CSC)作逐步回归的基本原理,通过实例给出了计算方法与步骤。用此法所建模型能同时报好预报对象的数量和类别。     

多元回归法在复杂地形风资源微尺度模拟中的应用

随着风电事业的发展,复杂地形下的风资源模拟成为一项重要的课题。利用广东沿海某海岛南部9个测风塔共22个测风高度的完整一年的测风资料及该海岛高分辨率的数字地形资料,采用地理空间因子的多元回归法进行风资源的微尺度模拟并与WASP软件的计算结果进行了比较。结果表明：（1）年平均风速与地理空间因子存在显著的相关关系;（2）模拟的年平均风速平均相对误差为3.2%,年平均风功率密度的平均相对误差为3.5%;（3）经假设检验,对无测站的地点的年平均风速模拟效果良好;（4）该方法和WASP软件计算的风资源大值区分布基本一致。     

石家庄市紫外线监测分析及预报方法

利用2006-2008年石家庄市紫外线监测数据,分析了近3年紫外线辐射特征,结果表明:石家庄市紫外线等级1～4级之间,其中1级的日数有175天,2级251天,3级220天,4级432天,年平均日数分别为58、84、73天和144天.紫外线指数“较强”级别出现的频率最高,“中等”以上日数占60.3％,说明石家庄属于紫外线...     

不同天气现象下毕节高温特征及预报回归检验分析

利用毕节2010—2019年观测资料,分析不同天气现象下日最高气温特征,建立高温模型,并对近5 a 24 h高温进行检验,得出如下结论：(1)毕节高温日变化在夏季最稳定,春季波动最大。气温日较差晴天最大,阴天最小,多云时略大于阴间多云。(2)毕节8～10成云出现频率高达65.7%,夏季晴天频率波动大,春、夏季多云频率较高,且按天气现象分类统计月平均高温时,其峰值均出现在7月。(3) 24 h高温预报准确率月、季变化特征明显,夏季准确率最高,较最低的冬季高出21.4%,在区别天气现象的情况下,阴雨天时预报准确率最高,多云时最低,其中12月多云时最低为25%。(4)回归模型分析发现不同季节同种天气现象24 h高温预报影响因子权重差异明显,日照时数和平均本站气压对模型影响程度较高。不同季节晴天影响因子差异最大,拟合效果最好时段在夏季,平均估计误差为1.2℃,估计误差最大在冬季,平均估计误差为1.7℃。     

基于支持向量机(SVM)方法的冬季温度预测

选取河南省5个代表站,分别代表河南省5个片,将气候预测中常用的74项环流特征量资料进行归一化处理,分别将其与5个代表站的冬季温度进行相关普查,在筛选预测因子的基础上,利用SVM两类分类和回归方法,建立河南各代表站冬季温度预测推理模型,用2000/2001~2004/2005年4年进行试报,结果显示SVM方法是处理非线性分类和回归等问题的有效方法,做分类和回归预测时,各代表站对应的SVM推理模型均具有良好的预报能力,且对温度预测SVM回归优于SVM分类。     

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。     

贵阳市空气质量预报方法与效果检验

2012年环境保护部发布的《环境空气质量标准》实施后,贵阳市空气质量状况发生了变化。利用贵阳市空气质量指数和常规气象要素等资料,分析空气质量特征及其与气象要素的关系,通过多元线性逐步回归和BP神经网络方法,分季节建立空气质量指数预报模型,并同CUACE模式进行对比检验。结果表明:近3年贵阳市空气质量状况良好,优良天数增多,污染天数减少且污染天气多出现在冬季,首要污染物为PM_2.5、PM₁₀和O_3;各季相关因子不同,但主要与相对湿度和风速有关;两种模型预报效果均表现为夏季评价最高,等级TS评分超过85%,指数准确率近99%,冬季预报效果相对最差,TS评分接近或达到70%,指数准确率超过或接近80%,而春、秋季效果指标差距不大;对2015—2016年AQI的预报效果回归模型的优于CUACE模式的,TS评分和预报准确率分别相差16.2%和20.0%。