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。     

冬小麦农田不同高度极端气温预测[ ]

利用2019年1月—2022年6月冬小麦农田小气候自动观测站观测的数据和齐河县国家基本气象观测站同期观测资料,采用多元线性回归和BP神经网络方法,建立冬小麦农田30 cm、60 cm、150 cm日最高和日最低气温预测模型。结果表明:两种模型对农田气温的预测效果均较好,阴天条件下150 cm最高气温预测效果最好;晴天条件下30 cm最高气温预测效果最差。两模型模拟结果分层次看,农田气温的模拟精度150 cm>60 cm>30 cm;分天气类型看,多元回归模型农田各层气温的模拟精度阴天>多云>晴天,BP神经网络模型农田30 cm、60 cm最高气温的模拟精度多云>阴天>晴天,农田30 cm最低气温的模拟精度多云与阴天相同,均大于晴天,农田60 cm最低气温的模拟精度晴天>多云>阴天,农田150 cm最高及最低气温的模拟精度晴天与多云相同,均大于阴天;分要素看,30 cm最低气温的模拟精度高于最高气温、60 cm和150 cm最高气温的模拟精度高于最低气温。通过比较,BP神经网络模型的预测精度比多元线性回归模型的预测精度高。两种模型均能满足冬小麦农田气温的预测需求。     

日均气温对兰州市支气管炎影响的时间序列分析

为研究兰州市日均气温对支气管炎门诊人数的影响,收集兰州市2013—2019年三所综合性医院支气管炎患者门诊就诊资料及气象、空气污染物等数据,构建分布滞后非线性模型分析气温和支气管炎门诊就诊风险的关系,并按性别、年龄进行分层分析。兰州市日均气温对支气管炎门诊就诊量的影响是非线性的,且存在滞后效应。低温(-5.0℃)和高温(25.4℃)的危害效应均为暴露当天最大,随着滞后天数增加危害逐渐减弱,低温持续滞后1～13 d,高温持续滞后19 d。冷效应的危害作用大于热效应,但热效应有更长的滞后时间。气温第5百分位数(-5.0℃)和第95百分位数(25.4℃)分别在累积滞后14 d和21 d时效应值最大,分别为2.832和1.070。低温和高温暴露下男性就诊风险大于女性,最大累积相对危险度(RR)值分别为3.089、1.085。低温和高温下0～14岁儿童的门诊就诊风险显著高于其他年龄人群,在-5.0℃时,累积滞后14 d时有最大值,RR值为3.191,在25.4℃时,累积滞后21 d时有最大值,RR值为1.089。低温和高温均增加兰州市居民支气管炎门诊就诊风险,低温的危害效应大于高温效应,14岁以...     

基于温特斯法的夏季气温预测模型建立及应用

介绍了温特斯法的基本理论及3个平滑方程的递推公式、初始值公式和预测模型公式，并依据其理论，采用VB6．0编程技术，设计了预测模型软件；同时，将夏季6、7、8月的月平均气温看作具有随机性、线性、季节性变化的时间序列，利用商丘、民权、柘城、永城4个代表站1961～1999年夏季气温样本资料，建立了预测模型。对2000～2002年夏季气温试报结果为，平均预测准确率92％，其中7月份100％，6月份92％，8月份83％。     

天津气传花粉预测模型研究

使用1999～2004年3～10月天津市河西区铁塔花粉监测数据和同地点的气候观测站(54517)气象资料,进行了天津市72h气传花粉浓度预测模型研究。设计了全花粉季、分季节(春、夏、秋)、分阶段的3种不同预测方案,利用多元线性和非线性回归技术分别建立了花粉预测模型,并对各个方案及预测模型进行了对比分析。结果发现,除夏季以外,多元非线性预测模型优于多元线性回归预测模型,分阶段预测方案优于全花粉季和分季节预测方案,且预测准确率也随之提高。     

三种插值方法对区域自动气象站日气温缺测数据插补的适用性研究

为解决气温观测记录缺测的问题,选择反距离权重插值(Inverse Distance Weighted,IDW)、普通克里金插值(Ordinary Kriging,OK)和多元线性回归(Multiple Linear Regression,MLR)三种方法,以湖北省2020年为例,对全省逐日平均气温(T)、最高气温(T_max)和最低气温(T_min)进行空间插补,并采用平均绝对误差(Mean Absolute Error,MAE)对3种方法的插补结果进行检验。结果表明:用MLR插补得到的Tmax、Tmin、T的MAE最小,分别为0.41℃、0.31℃和0.20℃,其中T的插补误差在1℃以内的站点比例高达100%;相比IDW和OK,MLR插补结果的MAE空间分布均匀,其不仅随海拔高度变化较小,随季节变化也相对较小。单站试验结果表明,当用于MLR模型的样本数量越多、时间离散度越大时,MLR对气温的插补效果越好。总体上,对日气温缺测数据的插补效果,MLR最优,IDW次之,OK最差;对于建立气象站点长时间连续气温数据集而言,MLR更适合解决区域自动气象站...     

一种逐时气温预报方法

利用2006~2010年陕西10地市逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,通过线性回归方法建立了一种基于日最高气温和最低气温预报以及临近气温实况资料的逐时气温预报模型,并对2011年每天的逐时气温预报进行检验。结果表明:该方法在晴天、多云和阴雨天的预报能力依次减弱,其中晴天和多云天02~18时的预报效果好于19时至次日01时的,而阴雨天01~10时的预报效果好于其它预报时段的;当日最高气温和最低气温预报较为准确时,西安站各预报时刻的准确率均在60%以上,其中14~17时的准确率较高,晴天的达到100%,多云天的在96%~99%之间,阴雨天的准确率偏低一些,特别是11~17时较晴天和多云天偏低了12%~27%;该方法可以将24 h日最高(低)气温预报细化到逐时气温预报,同时考虑了气温日变化的地域差异、季节特征、以及在晴天、多云和阴雨天的不同表现,具有一定的业务应用和推广价值。     

基于DEM的复杂地形气温空间插值研究

利用江西省87个国家气象观测站点1987—2016年月平均气温资料,结合数字高程模型(DEM),建立了一个基于江西省DEM的多元线性回归空间插值模型,并与传统的反距离权重法(IDW)、普通克里金插值法(OK)和协同克里金插值法(CK)进行空间插值精度和效果对比。研究表明:基于DEM的多元线性回归空间插值方法(MLR)的误差精度和插值效果均优于其他3种传统插值方法。江西省月(年)平均气温与纬度和海拔高度呈负相关,与经度呈正相关,与坡度、坡向无明显相关性;江西省月平均气温垂直递减率约为0.35—0.65℃/(100 m),年平均气温垂直递减率约为0.49℃/(100 m)。     

一种新的疾病发病人数预测模型研究

以体感温度为自变量,将一元线性回归、自然正交函数和逐步回归结合起来,分别建立了炎热和凉爽季节下南京幼年感冒和金华老年脑血管病的旬发病人数预测模型。并将模型的预测结果与逐步回归模型进行了比较。比较得出:模型的预测效果比逐步回归模型的好。     

基于EMD和BP算法的降水数据插补

为解决气温观测记录缺测的问题,选择反距离权重插值（Inverse Distance Weighted,IDW）、普通克里金插值（Ordinary Kriging,OK）和多元线性回归（Multiple Linear Regression,MLR）三种方法,以湖北省2020年为例,对全省逐日平均气温（T）、最高气温（T_max）和最低气温（T_min）进行空间插补,并采用平均绝对误差（Mean Absolute Error,MAE）对3种方法的插补结果进行检验。结果表明：用MLR插补得到的T_max、T_min、T的MAE最小,分别为0.41℃、0.31℃和0.20℃,其中T的插补误差在1℃以内的站点比例高达100%;相比IDW和OK,MLR插补结果的MAE空间分布均匀,其不仅随海拔高度变化较小,随季节变化也相对较小。单站试验结果表明,当用于MLR模型的样本数量越多、时间离散度越大时,MLR对气温的插补效果越好。总体上,对日气温缺测数据的插补效果,MLR最优,IDW次之,OK最差;对于建立气象站点长时间连续气温数据集而言,MLR更适合解决区域自动气象站日气温数据缺测问题。

     

基于慢特征分析的哈尔滨市气温预测研究

慢特征分析方法(Slow Feature Analysis, SFA)是从已知的非平稳时间序列中提取缓变信息的有效方法。本文首先通过Logistic非平稳时间序列模型对SFA方法提取慢特征信息的能力进行了检验,然后以哈尔滨市为黑龙江省代表站,对月气温距平序列进行慢特征信号提取及预测研究。结果表明：慢特征分析方法可以有效地提取哈尔滨市气温距平序列中的慢特征信号。提取的慢特征信号能够反映原序列的变化趋势、极值等信息。拟合和预测试验表明,与平稳性模型相比,引入SFA信号后的气温预测模型可以在一定程度上提高预测能力,改善预测效果。对近48个月独立样本预测也得到相同结论。     

我国气温变化的神经网络预测模型

利用神经网络系统工具,把CO2浓度、太阳辐射、全球冰量和气溶胶作为输入,把气温作为输出,结果发现模拟值和目标值吻合较好,比多元回归拟合值的精度高.在此基础上,进行了两个控制性试验,即CO2浓度每年分别增加1%和0.5%,试验结果表明:随着CO2浓度的增加,21世纪前30年每10年中国气温的增加速度分别为0.4 ℃和0.2 ℃;到21世纪末,中国气温将分别增加3.8 ℃和2.4 ℃,神经网络模拟结果和气候系统模式模拟结果具有较好的一致性,从而进一步说明,神经网络预测模型在分析气候变化方面具有可信性和可行性.     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

基于卡尔曼滤波的神经网络月平均气温预测模型

利用湛江市近50年来的月平均气温时间序列资料,将卡尔曼滤波与人工神经网络方法相结合,建立了湛江气温的短期气候预测模型.试验结果表明,这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力,在平均绝对误差(MAE)小于1.5℃的条件下,实际预报准确率达到91.7%,对短期气候预测的业务工作具有较高的参考价值.     

基于温特斯法的夏季气温预测模型建立及应用

介绍了温特斯法的基本理论及3个平滑方程的递推公式、初始值公式和预测模型公式,并依据其理论,采用VB 6.0编程技术,设计了预测模型软件;同时,将夏季6、7、8月的月平均气温看作具有随机性、线性、季节性变化的时间序列,利用商丘、民权、柘城、永城4个代表站1961～1999年夏季气温样本资料,建立了预测模型.对2000～2002年夏季气温试报结果为,平均预测准确率92%,其中7月份100%,6月份92%,8月份83%.     

基于MonoRTM模型的微波辐射计反演方法研究

基于辐射传输模型MonoRTM计算天空亮温度,使用多元线性统计回归方法和BP神经网络方法分别对大气温度和水汽密度廓线进行了反演,检验并分析了两种方法的反演精度.结果表明,多元线性回归方法反演的温度偏差总体不大于6K,反演的水汽密度偏差小于4 g/m3;神经网络方法反演的温度偏差小于2K,反演的水汽密度误差总体不大于2 g/m3.与探空数据的对比表明,对于大气温度和水汽密度反演,BP神经网络方法的反演结果都要比多元线性回归方法的反演结果更接近探空资料值.     

基于监测指数的贵州省4月气温预测模型及检验

基于1981~2019年贵州省4月气温与同期130项监测指数的相关分析建立了固定监测指数、最优监测指数、逐步回归的统计预测模型,并对1981~2020年预测模型回报结果进行检验。结果表明：在短期气候趋势预测业务中,按异常级进行预测可提高气候预测技巧。三种统计预测模型中逐步回归的预测效果最好,其次是最优监测指数,而固定监测指数效果最差。与省级和国家级预测产品相比,统计预测模型在近9年的回报效果表现出一定的优势。以7个最优指数建立的回归预测模型对2020年4月气温的回报Ps评分最高,较省级预报提高14.1分,相对国家指导预报提高66.7分。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

中国气温的降尺度研究

Monthly mean temperatures at 562 stations in China are estimated using a statistical downscaling technique. The technique used is multiple linear regressions （MLRs） of principal components （PCs）. A stepwise screening procedure is used for selecting the skilful PCs as predictors used in the regression equation. The predictors include temperature at 850 hPa （7）, the combination of sea-level pressure and temperature at 850 hPa （P＋T） and the combination of geo-potential height and temperature at 850 hPa （H＋T）. The downscaling procedure is tested with the three predictors over three predictor domains. The optimum statistical model is obtained for each station and month by finding the predictor and predictor domain corresponding to the highest correlation. Finally, the optimum statistical downscaling models are applied to the Hadley Centre Coupled Model, version 3 （HadCM3） outputs under the Special Report on Emission Scenarios （SRES） A2 and B2 scenarios to construct local future temperature change scenarios for each station and month, The results show that （1） statistical downscaling produces less warming than the HadCM3 output itself; （2） the downscaled annual cycles of temperature differ from the HadCM3 output, but are similar to the observation; （3） the downscaled temperature scenarios show more warming in the north than in the south; （4） the downscaled temperature scenarios vary with emission scenarios, and the A2 scenario produces more warming than the B2, especially in the north of China.     

中国东部冬季降水的动力结合统计预测方法研究

针对中国东部6个气候关键区,首先,通过相关分析指出,冬季降水既与前期气候因子有关,又受同期大气环流的影响。因此,有必要采用动力与统计相结合的方法进行气候预测研究。然后,从实时预测的角度出发,综合考虑前期预测因子的观测信息和具有数值可预测性的同期气候因子的数值模式结果,使用多元线性回归分析方法就各区域平均冬季降水逐一建立了短期气候预测模型,并在预测模型中考虑了模型结果中系统误差的订正。交叉检验分析结果表明,所建立的各区域预测模型普遍具有较好的预测效果,预测优势主要表现在对冬季降水的变化趋势、年际变化、以及异常符号的预测准确率上。就6个区域平均而言,1982—2008年交叉检验结果与实况间的相关系数和距平同号率分别为0.69和78%,表明该预测思想具有可行性。