大气遥感最小二乘反演法最优方程的建立和效果研究

以“使反演误差均方达最小”为准则,用不同的回归方法寻求最优通道组合,建立大气温湿遥感最小二乘反演法最优方程,以避免因自变量过多产生计算病态而造成的回归系数不稳定。通过实例比较最优子集法、前进法、后退法、逐步回归法以及文中提出的单F逐步回归法和定M逐步回归法等各种方法所得方程的回归效果。单F和定M逐步回归法不仅计算简单、意义明确,而且实际效果较好,接近于最优子集法的结果。     

冬小麦拨节—抽穗期水分盈亏量长期预报的岭回归分析

本文根据岭回归分析,结合逐步回归方法,以回归系数的估计精度和残差平方和作为两种目标函数,建立了冬小麦拔节——抽穗水期分盈亏量的长期预报模式。以期为预报农业气象干旱提供参考依据。     

主成分有偏估计及其改进方法在冬小麦产量预测中的应用

一、引言 目前,在农业气象产量预测中,较多地采用线性回归模型Y=Xβ e,e～N(0,σ~2),并应用最小二乘法来建立预测模式。但是,当自变量之间存在近似线性关系时,会使最小二乘估计的性能变坏,主要影响为:当一个自变量引入或剔出回归方程时,其余变量的回归系数有较大变化;当新数据参     

基于小波神经网络法的海南地区逐时太阳总辐射预测研究

利用2003—2012年海口市气象站不同季节逐时太阳总辐射观测资料与对应气象参数,建立基于小波BP神经网络法逐时太阳总辐射的预测模型,并利用2013年太阳总辐射数据对模型进行检验,且与建立的逐步回归模型进行对比。结果表明:小波神经网络法建立的逐时太阳总辐射预测模型精度较高,但不同季节模型预测精度存在差异,冬季预测精度最高,夏季预测精度最差,天气类型指数有利于不同季节模型预测精度的提高。春季、夏季、秋季和冬季加入天气类型指数神经网络模型的逐时太阳总辐射预测值与观测值的回归估计标准误差分别为0.32、0.47、0.35 MJ·m-2及0.23 MJ·m-2,比逐步回归模型的预报精度分别提高了28.8%、16.3%、17.9%和20.4%,说明基于小波神经网络法建立的预测模型可为海南地区逐时太阳总辐射预测提供参考。     

基于Z-I关系和变分校正法改进雷达估测降水

将新回归系数估计法和新误差订正法应用于3 km的雷达CAPPI估测降水,首先用新的回归方法得出更合理的Z-I关系;再用基于变分技术的新的误差订正方法对估算出的降水进行订正,获得较好的估算结果,并且用2005年6月17～25日广东自动站降水和每6分钟一次的雷达基数据对新回归系数估计法和新误差订正法进行验证,结果表明:将新回归系数估计法和新误差订正法用于雷达估测降水,能更好地对雷达回波强度估算降水的一些常见误差进行校订.     

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。这样,若用固定参数预报模型来描述一个时变参数系统的状态,其拟合率虽然可以很高,但随着预报时效的增     

利用不同方法反演冬小麦叶面积指数研究

基于高光谱数据的叶面积指数监测是快速获取冬小麦叶面积指数的重要方法。为了探究回归方法和高光谱数据变换对冬小麦叶面积指数反演精度的影响,采用逐步回归和偏最小二乘回归方法,分别建立基于冬小麦拔节期冠层高光谱数据、一阶导数光谱数据、二阶导数光谱数据和对数光谱数据的叶面积指数多元线性回归模型。结果显示,导数和对数变换能够提高冬小麦LAI反演精度,以蓝紫光、绿光、红光和近红外波段建立的一阶导数光谱数据逐步回归模型最优,建立回归模型的决定系数R2为0.974,交叉验证的RMSE为0.131,可为冬小麦LAI估算的方法选择和数据处理提供依据和参考。     

用逐步回归法预报地面臭氧浓度

利用东莞市板岭国家基本站EC9810B O3分析仪和常规气象观测数据,用逐步回归法建立回归方程预报臭氧浓度,预报检验结果表明：预报值能较好反映臭氧浓度的逐日和逐时变化趋势,其平均绝对误差、平均相对误差、标准差都较小,说明预报方法具有较好的稳定性;对于极高和极低浓度值,或浓度值出现大幅度变化,预报值与实况值有一定的偏差。     

用单纯形法结合等差三点法求解S型生长曲线最优回归系数

用等差三点法对S型生长曲线中的三个回归系数a、b、c进行“粗选”，再用单纯形法进行“微调”，最终得到使残差平方和Q最小时的a、b、c值。这一方法与常用的等差三点法、优选法、逐步搜索法相比，原理直观科学，计算简便快捷，回归效果好，能获得最优的回归系数，是一种实用有效的方法。     

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.     

哈尔滨机场冬雾预报

根据多年实践经验,用逐步回归法建立了最优预报方程,对哈尔滨机场冬季０６～１１时因雾造成的最低能见度作出区段预报,提高了能见度短时预报的客观定量化程度和准确性,收到了满意的效果。     

气象因子对夏季最大电力负荷的敏感性分析

利用2016—2018年武汉夏季(6—9月)逐15 min电力负荷以及同期逐日气象数据,分析最大电力负荷变化特征及与气象因子的相关关系。利用逐步回归和双隐含层BP神经网络算法,建立了武汉夏季最大电力负荷的预测模型。结果表明:平均温度、平均最高温度、平均最低温度与气象电力负荷存在显著的正相关,其次是日照时数。前1 d最大电力负荷与当日最大电力负荷的相关性最好,当日电力负荷对前1 d温度的平均和舒适度指数的变化最为敏感。以历史电力负荷和气象数据为联合预报因子,逐步回归和BP神经网络算法对武汉夏季最大电力负荷具有较好的模拟效果,尤其是对持续高温造成高位运行的最大负荷模拟。当敏感性在10%以内时,逐步回归算法中气象因子正的贡献要小于负的贡献,BP神经网络算法中气象因子正的贡献要高于负的贡献;当敏感性高于10%时,两种算法中气象因子均为正的贡献。     

用奇异值分解求解回归方程的迭代加细

在解回归方程时，设计矩阵中的共线性可能产生不精确的参数估计。用奇异值分解的正交矩阵变换可以减少共线性的影响。通过迭代加细过程还可以改进回归系数的估计。本文描述了求解回归方程的奇异值的迭代加细过程。结果表明，在设计矩阵高度共线性时，用奇异值分解的迭代加细可以改进回归系数的估计。     

小麦年景预测统计方法的实验研究

引入基于PRESS准则选取预报因子的逐步算法做小麦年景预测．并与逐步回归、多层递阶法作了对比分析，预测结果表明，逐步算法和多层递阶法优于逐步回归。将逐步算法挑选的因子用于多层递阶，预测结果更好。     

渭南市冬小麦产量预报模型研究

利用1998—2012年渭南市气象与冬小麦产量数据,利用直线滑动平均模拟趋势产量,结合调和权重法预测趋势产量,采用SPSS20.0软件对气象产量进行逐步回归,得到年景和定量气象产量预测模型。统计趋势产量与气象产量合计值,得到年景(或定量)预报产量。通过验证,年景和定量产量预报准确率较高。     

菏泽冬季日光温室内最低气温预测方法的对比研究

利用2012/2013年冬季菏泽巨野日光温室内外的逐日平均气温、最高气温、最低气温、相对湿度、日照时数和最大风速等气象观测资料,采用相关分析法确定了影响温室内最低气温的关键气象因子,采用逐步回归法和主成分分析法分别建立温室内最低气温预报模型,并用2013/2014年冬季的气象数据检验评价两种预报模型的差异。结果表明:(1)温室内最低气温与当天温室内外及前1 d温室内外的气温、相对湿度、日照时数等相关性比较显著。(2)两种方法建立的预报模型均通过了α=0.01的显著性检验,逐步回归法所建预报模型得到的整个冬季预测值与实测值的相关系数为0.82,平均绝对误差仅为0.9℃,平均相对误差仅为9%;而主成分分析法所建的预报模型得到的整个冬季预测值与实测值的相关系数为0.58,平均绝对误差为1.8℃,平均相对误差为15%。由此表明,用逐步回归法所建的温室内最低气温预报模型的准确度高于主成分分析法,可满足预测冬季温室内最低气温的业务需求。     

CSU84热带气旋路径统计预报方法评介

CSU_(84)预报方法是一种适用于全球各海洋的气旋路径预报方法,经检验,结果良好。虽然研制该方法时动用了CRAY-1E型计算机,但预报员应用时只须一般计算器。鉴于其所用资料的长度和广度及使用实况资料的新颖性,值得向预报员介绍。本文重点介绍其思路和技术要点,并给出有关西北太平洋和南海的热带气旋预报因子、回归系数及计算公式。     

基于LSTM网络的中国夏季降水预测研究

基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。     

基于NCEP风向数据的中国夏季降水估算研究

提出一个基于NCEP风向数据估算全国夏季降水的模型。根据NCEP地面气压、经纬向风数据计算得到全国1971—2000年夏季各月盛行风向;并将盛行风向与宏观坡向夹角的余弦值作为降水的坡向因子,以此区分山体迎风坡和背风坡降水的空间分布。利用站点观测资料、数字高程模型数据、坡向、坡度因子,采用逐步回归分析法,建立估算夏季降水的回归方程,得到全国1971—2000年夏季各月及总降水量的空间分布图,并对模型结果进行检验与对比分析。结果表明,此方法估算夏季总降水量的平均绝对误差为27 mm,平均相对误差为11.8%。模型结果能体现迎风坡与背风坡的雨量差,符合客观规律,能够定性、定量地再现中国夏季降水的实际空间分布特征。     

机场低能见度自动观测设备测量数据对比

基于民航机场的实际应用,对比安装在陕西省西安咸阳国际机场跑道一端的大气透射仪和前向散射仪2013年1月—2014年8月测量的跑道视程数据,结果表明:整体上,当跑道视程R > 400 m时,前向散射仪测量数据大于大气透射仪数据的比例高;当跑道视程R≤400 m时,大气透射仪测量数据大于等于前向散射仪数据的比例更高。当跑道视程R≤600 m时,两种设备测量数据具有很好的相互替代性;当跑道视程R > 1000 m时,两种设备测量数据差距较大。在雾、冻雾、霾和暴雨天气时,两种设备测量数据在时间上具有很好的一致性,且在跑道视程R≤1000 m时,两种设备测量数据具有很好的相互替代性,而在雪、烟和扬沙天气时两种设备测量的数据差距较大。