周期分析与多层递阶方法相结合在月降水量预报中的应用

一、前言魏凤英等提出的逐步回归周期分析为提取时间序列的隐含周期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预报,取得了一定的效果。然而该方法随着预报时效的增长,预报效果趋于不稳定。分析其原因,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太低,此时一般认为不宜单纯用周期分析外推     

长期大气折射指数预报研究

本文对近地面大气折射指数气候变化统计预报进行了研究,建立了逐步回归多重分析时变模式。在模式中考虑了大气折射指数肘间序列的振动周期、前期预报因子(降水量),还特别考虑了时间序列的振动位相,并随着新数据的到来,适时地改变预报因子和预报方程的参数。本文用该模式对上海近地面6月上旬旬平均大气折射指数进行了长期预报试验,结果表明预报误差较小,预报效果稳定,具有较好的实用价值。这方面的工作可用来对无线电波的传播环境进行预测,从而对电子工程系统进行适时的调整控制。除此而外,该预报模式也可以应用于其它的预报领域。     

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     

PRESS周期分析及其在粮食产量预报中的应用

作物产量预报常用的统计模型为:Y=Y_t+Y_w+Y_ε。影响作物产量的气象因子的年际间变化存在一定的周期性,因此可采用周期分析法拟合气象产量。所建立的模型具有预报时效长的优点。样本多、周期明显的产量序列其效果更好。本文提出一种用 PRESS 准则提取周期的方法,取名为“PRESS 周期分析”。经使用并与常用的方差周期分析方法进行比较,结果表明,用 PRESS 周期分析建立的预报模型,其历史拟合和试报效果均优于方差周期分     

用多层递阶自回归数学模型作鲁南月、季平均气温和降水量预报

目前应用于长期预报的各种统计方法,其共同点是用固定参数模型来预报动态时变性。实践表明,这种预报方法历史拟合率虽然可以很高,但实报准确率往往比较低,这是因为它所建立的预报关系是定常的,这种定常关系却随时间的推移而不同程度的变化着,同时它又不能预见和处理这种变化和随之而产生的预报误差的缘故。     

逐步回归双重分析及其在长期天气预报中的应用

本文针对多元分析和周期分析各自存在的缺陷,提出了一种新的统计预报方法——逐步回归双重分析方法,它利用逐步回归技术将因子筛选和周期分析有机结合,并反映在同一预报方程中。 本文以金华市5月份降水量长期预报为例,进行了初步的分析和尝试,表明该方法与多元分析和周期分析比较,其拟合误差与预报误差均较小,预报效果稳定,对长期天气预报有较好的实用价值。     

用多层递阶方法预报花生产量

目前,国内对花生产量预报方面的研究较少,其它粮食作物如小麦、水稻等作物的产量预报方法较多。一般常用的多元回归、特征根回归、多重回归等预报方法,随着预报年限的延长,预报误差会相应增大,其原因之一是在此类预报过程中,用固定参数模型来预报一个时变参数系统的状态,易产生较大的误差,并随着预报年限的延续而增大。因此逐年预报时需要重新计算模式的系数。为了克服这一缺陷,我们采用了动态系统预报的新方法——多层递阶预报方法,对我省花生产量进行预报,由于它充分考虑了参数的时变特性,因此提高了预报准确率。通过对我省花生产量预测的实际应用表明,采用多层递阶预报方法连续多年预测花生产量,准确率及精度较高,这一方法可多年使用后再进行模式运算,大大减少了工作量,这种方法早已引用于长期天气预报,对于时间紧、业务量大的产量预报也非常适用。     

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，...     

多层递阶周期分析

针对经典多层递阶预报方法的某些不足,提出了一种改进的多层递阶预报模型——多层递阶周期分析。它使用时间序列的显著周期分量取代原模型中的自回归部分,使其更合理地反映气象要素自身的演变规律,有效地提高了预报精度。     

基于均生函数的EOF迭代温度长期预报

本文用单站温度时间序列的均生函数周期延拓序列拓展预报因子,然后进行EOF迭代温度预报试验,并与主分量、逐步回归筛选方案建模法的预报结果进行比较,初步表明:这种预报方法充分地利用了要素序列与其优势周期的主要相关信息,它具有一定的预报能力。     

南京市SO2污染浓度时空分布特征及统计预报方法的研究

本文根据南京市六个空气污染浓度监测站的2001年6月至2005年7月的SO2污染浓度监测资料分析南京市SO2污染浓度的时空分布变化特征,结果为6个站浓度值有明显的季节变化特征,且在冬季容易出现南北相反的分布特征。针对目前常用的回归预报方法在选取气象要素时没有考虑其互相之间的相关性的缺点,本文提出了一种建立在EOF展开基础上的首先使预报因子正交化,再与逐步回归方程结合并且资料逐日更新的变系数的新型统计预报模型,经过实际预报检验,预报准确率比较高,有很好的应用效果。     

用预报残差最小的逐步回归方法作黄河上游旱涝预测试验

本文提出用预报残差最小的逐步回归方法作预报,较之传统的逐步回归具有计算简便、适应于小型计算机计算等优点。在作黄河上游旱涝预测试验中表明有较好的效果。     

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。     

用周期分析方法预测全球稻谷总产量

应用功率谱和逐步回归周期分析方法对全球稻谷总产量预测进行了探讨，结果表明逐步回归周期分析方法具有很好的拟合精度和较高的预测精度。     

基于数值预报产品的地面气温BP-MOS预报方法

在山东省临沂市气象局开发的"中尺度数值预报业务系统"的基础上,利用高分辨率的数值预报产品和地面气温观测资料,建立了地面气温的BP神经网络方法预报模型。检验结果表明BP神经网络模型的气温预报准确率高于逐步回归模型和MM5模式输出的气温预报准确率,可应用于实际预报业务中来制作气温的精细化预报。     

闽北烤烟移栽期的预报

用对比分析和相关分析相结合的方法选取预报因子,分析得出移载日期与前期冷空气活动有关,且冷空气活动存在一定韵律关系。用逐步回归建立的预报方程效果好,且对移栽期特迟和特早有较好的预报能力。     

黄河三花地区汛期逐日降水MOS预报的因子选择试验

河南黄河三花地区地处黄河流域的中游下段地区,该地有名的黄泛区是历史上水旱灾害频发的地区。该地汛期短期降水预报的准确与否是十分重要的。由于近年来数值预报的发展和广泛应用,局地气象要素短期预报大多使用MOS方法,其中降水预报常用一种所谓REEP的降水概率预报。本文     

典型相关分析在台风路径预报中的应用

本文通过对500hPa上的五个因子场分别与台风中心未来48小时和60小时经纬度的预报量场进行典型相关分析,求出由各因子场组成的典型变量,以此作为预报因子,再结合经实践证明预报效果较好的天气学经验因子,用逐步回归方法建立台风中心未来48小时和60小时的路径预报方程。通过对历史样本的拟合和实际试报,表明该方程的预报能力有明显的提高;典型变量权重系数的地理分布与因子场的天气学意义基本吻合。      

基于增长模繁殖法的集合预报试验

利用微机版本的T63L9全球谱模式,首先进行了用增长模繁殖法(BGM)制作集合预报的方案设计,然后用确定的方案进行了中期数值预报的集合预报试验。繁殖循环的初始扰动为T63L9谱模式各层24 h预报的均方根误差乘随机数,该随机数服从[-1, 1]区间上的均匀分布,繁殖循环每12 h 1次,繁殖循环的周期为3 d,集合成员为9个。结果表明:在1~8 d的预报中,集合预报可以比控制预报的时效延长1 d,集合预报无论是距平相关系数还是预报均方根误差都明显优于控制预报,集合预报对形势场的预报较控制预报更为接近实况分析场。     

论最优预报因子与最优预报方程

本文根据预报量与预报因子关系的实际情况,提出了预报因子的四种类型,并且利用最优化方法原理选取最优的预报因子,同时还利用强迫引进重要因子的办法选取最优预报方程。从实例计算证明,最优预报因子基本上是非线性的,所以用逐步回归或逐步判别方法建立的预报方程也是非线性的,并且还证明,非线性预报方程比线性预报方程效果有明显的提高。本文最后还指出,此种非线性预报方法可推广到各个领域有关多元分析的定量和定性预报工作中去。