用模糊事件的概率变换进行非线性相关因子筛选

在统计分析中,非线性相关因子的处理经常采用初等函数变换的方法。即把自变量X和因变量Y通过一个非线性函数X＇=F(x)进行变换后,再计算X＇同Y的线性相关系数,但是,由于确定这种函数的计算工作量很大,而且事实上非线性关系很难用某一规则函数来表达,所以,有时效果并不理想。     

用模糊事件的概率变换进行非线性相关因子筛选

在统计分析中,非线性相关因子的处理经常采用初等函数变换的方法,即把自变量X和因变量Y通过一个非线性函数x′=F(x)进行变换后,再计算x′同Y的线性相关系数。但是,由于确定这种函数的计算工作量很大,而且事实上大多非线性关系很难用某一规则函数来表达,所以,有时效果并不理想。我们在雨量量级预报中试用模糊事件的概率变换进行非线性相关因子筛选,然后,由因子的概率样本建立回归方程,在微机上编程计算,方法简单,使用效果较好。     

用非线性多因子动态组合方法作降水概率预报

将逐时段定点降水预报这个以往一般作为非连续量处理的预报问题转化为对一个连续的降水可能函数的预报问题。降水可能函数为一由实况值确定的函数。因为现在模式变化较快，且许多因子和降水可能函数为非线性关系，文章采用一种新的非线性多因子动态组合方法，通过对降水可能函数的预报，作客观分站降水概率预报。     

用聚类模式输出因子作全省降水过程概率预报的试验

一、方案构思 考虑最初有n′个预报手段的集 S′={E_1′,E_2′,…E_i′,…E_n′,} 然后对S′包含的子集进行独立性检验,通过筛选构成新的预报手段集 S={E_1,E_2,…E_i…E_n} n≤n′ 定义预报对象y的样本空间集为     

试用气象因子作地震预报

大地震前出现气象异常,这在地震史料上已有大量记载。近年来,我国发生的几次强烈地震,震前的气象异常也是很突出的。如1966年东川市6.5级地震前连续三天有霾;1975年辽宁海城7.3级地震前出现地气雾,顺断裂走向的异常增温,强低压等;1973年四川炉霍7.9级地震前几小时风尘大作,风向紊乱,震前数日出现了历年同期最高气温;1972年云南石屏5.6级地震,傍晚气温打破了十几年的规律,异常升高等。这些现象反映了气象与地震有一定的关系。一次大地震的孕震场能否造成中期的气象     

用转移概率和指标条件概率作逐日睛雨预报

我们把十月份的逐日晴雨序列看成马尔柯夫链,即认为某日的晴雨仅仅依赖于前一日的晴雨状况。利用马尔柯夫链的无后效性,计算出各种状态下的转移概率。如果单纯地用这种转移概率来做预报,效果是不理想的。为此我们对不同的起始状态进行分类,求出各类約晴雨指标条件概率,将它与转移概率结合起来判別逐日晴雨,其可靠程度有所提高。     

用相关优势概率统计作旬天气预报

近年来,我们使用相关优势既率统计作旬天气预报。此法制作简单,使用方便,试用中效果较好。具体作法:1.样本资料处理:将临海县气象站1961—1980共20年资料中的基本气象要素(如月、旬(?)、R、Rt、日照、蒸发及部份高空资料,如500mb 副高面积指数距平等)和预报对象 y 都由小到大分成大体相等的六级。(见表一、表二)     

用卡门滤波作短期降水概率预报

用卡门滤波作短期降水概率预报王毅荣黄建林（定西地区气象局７４３０００）引言因为卡门滤波方法不需要太多的样本资料，且可利用前一时刻预报误差的反馈信息及时修正预报方程，以提高下一时刻的预报精度，所以近年来被作为一种新的预报方法广泛地应用于预报业务。卡门滤...     

用非线性映象法作倒春寒预报

本文采用双重区间计算相关比的方法筛选一组因子，通过非线性映象得到二维分布图，能直观地判别春播期本无倒春寒，经实际使用效果较好。     

MOS预报中的非线性因子处理

利用欧洲气象中心、日本东京和北京气象中心每天发出的各类数值预报产品，建立前期数值预报要素产品与未来天气过程要素的相关关系，并在回归方程中考虑预报因子和预报量之间的非线性关系，经统计发现方程中选入的非线性因子具有较高的相关显性。实践证明，合理利用这些数值预报产品信息，可以进一步提高短期天气预报的准确率。     

用概率统计法作暴雨第一落区预报

利用辖区内各站同时次常规气象观测要素作组合因子,统计各因子对暴雨日最大降水量落在该站的概率贡献权重,从而判断出暴雨最大降水量的落区,即暴雨第一落区。     

试用模糊关系变换作秋季连阴雨预报

秋季连阴雨是对秋季农作物生长影响较大的灾害性天气,在我市发生的频数较多。因此作好秋季连阴雨的预报对农业生产具有一定的现实意义。     

本原因子序列变换及分析方法探讨

基于素数有下界而无上界、在一定序列长度内有足够密度的自然分布特性，利用形如４ｋ＋１（ｋ是正整数）的素数模拟夏季降水时间序列而作数据变换，形成的降水最素数序列可确定地分解成本原因子序列，对其状态进行概率转移分析即可对未来降水作出预报。预报值域离散、透明，状态更新便捷，预报结果客观定量，在１９９９年的试验中取得了较为满意的预报效果。     

用大气环流因子作春播期天气预报

利用大气环流“三性”即：持续性、承继性、周期性特点,结合百色地区实际情况,分析归纳出在特定环流形势下百色地区春播期低温阴雨天气日数出现多、寡的预报指标。     

用大气环流因子作春播期天气预报

利用大气环流“三性”即：持续性、承继性、周期性特点,结合百色地区实际情况,分析归纳出在特定环流形势下百色地区春播期低温阴雨天气日数出现多、寡的预报指标。     

逐步引进因子场作相似预报

首先通过数学模型计算出不同样本之间的气象因子场的相似系数和表征气象因子场与天气现象之间关系的相关特征量 ,然后用相似系数和相关特征量作参数 ,以预报拟合率为判据 ,逐个引进因子场 ,组建出最优相似预报方程 ,最终作出准确率较高的客观要素预报。     

概率变换法在南平地区暴雨预报中的应用

本文在大－暴雨ｍｏｓ预报中应用概率变换法进行对比分析,结果表明：概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。     

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。     

用非线性回归作单点气象产量预报

本文使用逐次非线性回归方法,对单点气象产量预报设计出完整的计算方案,利用计算机使预报自动化。1986年,应用本方法预报定西县春小麦产量,获得较为满意的结果。     

MOS预报课题中的非线性因子处理

一、数值预报产品的一些特性了解和熟悉数值预报产品的各种特性,针对这些特性采用一些合理的概率统计方法,是搞好MOS预报的一个重要环节。几年来在数值预告产品的应用过程中,预报员积累了不少经验。如日本数值预告图FXFE782中,一定位置的垂直速度ω与本地12小时降水有着较好的相关关系。一般说来,