多维空间点聚方法预报月降水量

图解预报是气象台站常用的统计预报方法,具有简单直观的优点。比如预报量y与两个前期要素(预报因子)x_1,x_2有关,(x_1,x_2)的一列历史资料在平面上表现为一个点组,在每一点处对应有一个y值。若因子挑选适当,这些y值在平面中的分布应有较明显的规律,这时,或者划出y的等值线,或者按y的不同等级,把平面划分为互斥的指示区域,就可应用来作预报,这就是平面点聚图。由于作图只能在平面中进行,因此上述方法对多因子的应用受到了限制。有一种     

重建动力系统方法制作月降水量预报的试验

利用时间滞后延拓相空间的方法，将南京地区一维月降水量资料序列拓展成高维相空间，计算得到降水系统的分维数为３．６，表明该系统是一混沌系统，其自由度最小取４。在具有二次非线性项的假设下求解设定的动力系统程数，建立降水预报方程。预报检验结果表明，利用该方法作局地降水气候预报具有一定的准确度。     

汛期短期气候预测月降水量预报方法研究

分析5、6、7月逐日气压、气温实时观测资料的一级变量与6、7、8月降水量的相关关系,寻找出4类降水过程预报模型和12个预报指标;确定同时满足预报模型和预报指标的日期为预测未来30±2天将出现日雨量≥10mm的降水过程的起报点;由模型和指标集成结果的月合计值得出月总降水量的预报结论。在业务应用中预报效果很好。     

鲁南月降水量的多层递阶预报方法

在实际的预报工作中,对于月的降水量预报或做其它长期预报,通常从这样几个方面考虑问题:1.降水自身的演变规律;2.寻找各气象要素或要素场与降水量的相关关系,3.选择最佳预报因子,用统计的方法做出预报。 所以我们最关心的正是如何确定气象要素场与降水量的相关关系,选择合适的预报因子。在实际工作中预报因子的选择往往是预报成败的关键。但在预报因子选取之后,选择合适的统计方法也是不容忽视的。现将我们做的一点工作简介如下。     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。     

使用简易多级统计预报方法做旬(月)降水量级预报

“一切客观事物本来是互相联系的和具有内部规律的”。各种天气发生发展,维持和演变也是有一定规律的。后期天气的变化是前期诸如压、温、湿等气象要素综合作用的结果。因此,统计气象要素的相关性制作预报,已为台站普遍采用。随着数理统计被广泛用于日常预报业务工作,预报的因子越用越多,预报的准确性和稳定性随之而提高。而简易多级统计预报方     

舟山市汛期降水量预报方法

利用基于预测误差平方和 ( PRESS)准则的逐步回归分析和基于残差平方和( RSS)准则的逐步回归分析建立了舟山市 3个县区站汛期 ( 5～ 9月 )降水量的预报模型 ,并对两种方法的预测结果进行预报集成 ,经试报和预报检验表明 ,该模型的预测效果较好     

提高月降水量预报精度的一种尝试

用原始数据建立的多元自回归预报模型,虽然对气压,气温,绝对湿度的预报精度很高,但对月降水量的预报粗度较低,改用自典型相关因子建模,大大提高了月降水量的预报精度,对气压,气温,绝对湿度的预报亦有所改进。     

用数量化方法作长期(季、月)降水量预报

在统计学预报方法中,将资料0、1化处理已被广泛应用,这些方法的特点是能使选用因子和运算过程工作量大大简化。但和分辨法一样,因对预报对象只能判别0、1两种可能性,往往满足不了预报服务工作的需要。而数量化方法则能通过对因子的多级分档给出预报量的分析值。     

广西春播期降水量预报方法研究

对广西春播期降水量序列利用3种时间序列分析法,通过相关系数与符号相关结合选取因子,建立了6种回归方程,试报结果表明:多因子场序相关相似法有较可信的结果;在逐步回归预测方法中,多因子逐步回归优于单因子场逐步回归;集成预报的结果明显好于单一方法的结果.而在组合计算预报因子中,用500hPa高度场、海平面气压场的滑动块状平均场作为基本因子,不仅符合降水发生所应具有的天气形势的系统性和稳定性,给自动化编程也带来方便.     

广西春播期降水量预报方法研究

对广西春播期降水量序列利用３种时间序列分析法,通过相关系数与符号相关结合选取因子,建立了６种回归方程,试报结果表明：多因子场序相关相拟法有较可信的结果;在逐步回归预测方法中,多因子逐步回归优于单因子场逐步回归;集成预报的结果明显好于单一方法的结果。而在组合计算预报因子中,用５００ｈＰａ高度场、海平面气正场的滑动块状平均场作为基本因子,不仅符合降水发生所应具有的天气形势的系统性和稳定性,给自动化编程     

舟山市污期降水量预报方法

利用基于预测误差平方和（PRESS）准则的逐步回归分析和基于残差平方和（RSS）准则的逐步回归分析建立了舟山市3个县区站汛期（5－9月）降水量的预报模型，并对两种方法的预测结果进行预报集成，经试报才预报检验表明，该模型的预测效果较好。     

MOS预报方法在短期降水量预报中的应用

目前,国内外都在广泛研究推广MOS预报方法,MOS预报是提高要素预报能力的一条有效途径。然而就其制作过程而言,还有许多问题有待进一步研究解决,如最优数学模型的选择问题;因子处理,天气分型的客观合理性问题;以及方程的消空补漏,人机结合问题等。针对上述问题,我们对夏季降水量的MOS预报方法进行了认真的研究。     

相似离度在钦州市月降水量预报中的应用

试用钦州市 4月份降水量与前期 5 0 0 HPA各月平均高度场作相关分析 ,选择一批优势相关区 ,并用历年各优势相关区内相关系数 r绝对值大于等于 0 .4 ,且点数为 3点以上并连在一起的所有格点的平均值与预报年的相应区域内格点平均值作相相似离度计算 ,预报 4月雨量。并将 1996～ 2 0 0 1年作为试报年 ,结果 6年报对 5年 ,准确率为 83%。     

相似离度在钦州市月降水量预报中的应用

试用钦州市4月份降水量与前期500HPA各月平均高度场作相关分析，选择一批优势相关区，并用历年各优势相关区内相关系数г绝对值大于等于0.4且点数为3点以上并连在一起的所有格点的平均值与预报年的相应区域内格点平均值作相相似离度计算，预报4月雨量。并将1996-2001年作为试报年，结果6年报对5年，准确率为83%/     

用北太平洋海温场资料制作月降水量预报

使用东营市1963-1996年逐月降水量资料和1962-1996年北太平洋海温资料，采取滚动式相关分析方法，建立了备选因子集。另外，应用逐步回归、最优子集回归、人工神经元网络、多因子EOF迭代等四种统计方法，分析了东营市月降水量与北太平洋海温场的关系。结果表明：东营市月降水量与北太平洋海温场存在显著相关；采用四种统计方法制作东营市月降水量预报，其预报效果均较好。     

用回归残差进行周期方差分析作月降水量预报

一预报思路: 以往采用单一的多元线性回归方程作月降水量预报,往往达不到允许的误差范围。我们认为控制预报量变化的因子应是多种成份组成。其中有的是与预报量之间存在线性相关;有的是非线性的,但可能存在某种周     

用非线性映象法作钦州市月降水量预报的研究

选取反映大气环流作用的500hPa的三个因子场：1956—2001年环流特征量、振幅和位相资料作为预报因子与钦州市1957—2002年5月降水量求相关比，将求得的高相关比因子用非线性映象法制作钦州市1995—2002年5月的降水量预报，试报效果明显。     

用非线性映象法作钦州市月降水量预报的研究

选取反映大气环流作用的500hPa的三个因子场:1956～2001年环流特征量、振幅和位相资料作为预报因子与钦州市1957～2002年5月降水量求相关比,将求得的高相关比因子用非线性映象法制作钦州市1995～2002年5月的降水量预报,试报效果明显。     

用逐步回归方法预报番禺年降水量

在番禺实测资料的基础上 ,对 5 0年番禺年降水序列进行趋势分析和预测 ,发现 :⑴该序列不存在明显的变化趋势 ;⑵用主分量逐步回归思路所建立预测方程 ,复相关系数高即对样本的拟合误差小 ,预测效果较显著 ;⑶通过对高度场和海温场的分区分季节的场的主分量分析 ,获得广泛影响因素的重要信息