多元门限回归模型的一种建模方法

本文根据门限自回归模型的基本思想[1]，提出一种多元门限回归模型的建模方法。其特点是充分考虑了预报系统中某些特殊预报因子突变点对预报关系的改变作用。数值实例表明，该模型在模拟和预报精度上比一般线性逐步回归模型有一定程度的提高。     

A simple gravity wave drag parametrization for use in medium‐range weather forecast models

Abstract

A simple gravity wave drag parametriiation over mountainous terrain is tested for its ability to reduce the systematic errors of medium‐range weather forecasts. Following Boer et al. (1984), this parametrization is a function of the low‐level wind speed and stability, the local Froude number, and the variance of the subgrid‐scale orographie features.

A comparison study of ten 7‐day forecasts obtained with envelope orography, wave drag or standard orography, shows that wave drag is as effective as envelope orography in reducing the systematic errors. A further comparison where the combined effects of the wave drag and that of a complementary enhanced orography (that is one that includes only the subgrid‐scale elements not treated separately by wave drag) are taken into account shows this latter approach to be the most promising in reducing orographically‐related systematic errors.     

Landslide susceptibility zonation mapping and its validation in part of Garhwal Lesser Himalaya, India, using binary logistic regression analysis and receiver operating characteristic curve method

A landslide susceptibility zonation (LSZ) map helps to understand the spatial distribution of slope failure probability in an area and hence it is useful for effective landslide hazard mitigation measures. Such maps can be generated using qualitative or quantitative approaches. The present study is an attempt to utilise a multivariate statistical method called binary logistic regression (BLR) analysis for LSZ mapping in part of the Garhwal Lesser Himalaya, India, lying close to the Main Boundary Thrust (MBT). This method gives the freedom to use categorical and continuous predictor variables together in a regression analysis. Geographic Information System has been used for preparing the database on causal factors of slope instability and landslide locations as well as for carrying out the spatial modelling of landslide susceptibility. A forward stepwise logistic regression analysis using maximum likelihood estimation method has been used in the regression. The constant and the coefficients of the predictor variables retained by the regression model have been used to calculate the probability of slope failure for the entire study area. The predictive logistic regression model has been validated by receiver operating characteristic curve analysis, which has given 91.7% accuracy for the developed BLR model.     

K 近邻非参数回归概率预报技术及其应用

针对参数回归技术制作概率预报存在拟合好、但预报结果不稳定的现象, 提出了用K近邻非参数回归技术制作概率预报的新途径。K 近邻非参数回归技术包括历史样本数据库、近邻子集生成和优化以及预报量估计4 个主要部分。利用该技术进行了单要素概率预报(主要包括云量和降水)和多维联合概率预报(降水、总云量、风速和气温)试验, 并对试验结果进行了检验。实例研究结果表明:该文所给出的计算方案预报稳定性好, 准确率较高,具有良好的业务应用价值。     

基于前传式网络逼近的太平洋副热带高压活动的诊断预测

基于前传式神经网络BP算法(BackpropagationNeuralNetwork)和回归模型,探讨了西太平洋副高面积指数同赤道东太平洋海温及赤道纬向风之间非线性分类和映射逼近的建模方法和效果比较.结果表明,前传式网络,特别是回归网络预报模型具有较好拟合精度和预报效果及比较实用的预报时效.     

兰州市冬季空气污染的天气成因分析及浓度预报

兰州是全国冬季大气污染最严重的城市之一 ,通过对污染与天气形势的分析 ,给出了影响冬季兰州污染的天气分型 ;对 3种主要空气污染物TSP、SO2 、NOX 浓度值与同期表征逆温特征的逆温参数及地面气象要素作了统计分析 ,结果表明 :(1)污染物浓度与逆温层厚度呈显著正相关 ;(2 )污染物浓度与平均温度、能见度、风速、总云量、相对湿度成负相关 ,与温差、气压成正相关。最后针对不同天气分型 ,给出了冬半年兰州污染物浓度预报方程 ,经检验预报效果良好     

基于偏最小二乘回归的区域换式风速预报订正技术研究

利用偏最小二乘回归技术,将预报产品作为自变量,相应的自动气象站观测资料作为因变量,对2013-2016年冬季浙江省中尺度区域模式预报近地面风速进行订正和评估。所选956站中多数站点风速订正后有所改善,通过定量分析可知浙江西部地区整体改善效果最好,其中效果明显站点占91.7%;中部地区改善效果明显站点占86.5%;东部沿海地区改善效果略差,明显改善的站点占67%。各地级市整体表现均不错,除舟山地区为49.9%外,其他地区风速改善比例均超过50%。选取2017年1月20日浙江东北地区沿海大风过程分析发现订正后的风速与观测风速更为接近,在定海大岛站点(靠里)中表现尤为明显,订正后的结果具有显著参考价值。     

中国东部夏季降水与气温的联合EOF分析

采用JEOF等方法分析中国东部夏季降水和气温的协同变化时空分布特征,结果表明:当时间系数为正时,第1典型场降水型态从北向南(下同)呈"++-"分布,气温表现为冷异常,500 hPa回归场在中纬度地区呈显著低压异常,SST回归场表现为太平洋海域呈西北-东南的分布;第2典型场降水呈"+-"分布,气温则呈"-+"分布;第3典型场降水分布呈中间型,气温场呈"-+"分布。     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。