环流相关预报应注意的几个问题

环流统计相关作长期天气预报是目前气象台站主要方法之一。着眼于大气环流天气学方法,并用环流特征参数为因子作数学统计,这必须注意到,大气环流预报要求各环流系统之间相互配合,各天气系统之间作为一个整体对预报对象以作用,而数学方法则要求在计算时各因子之间尽可能相互独立、互不相关,若有几个因子(区域)互有相关,最好择取其一、实际上在同一时间(月、旬、候)天气图上,各天气系统之间(特     

对目前概率统计预报中有关因子挑选和组合的几点讨论

一、多因子线性回归分析的不合理性和逐步回归挑选因子的弊病在利用气象要素前后期的相关关系的预报中,多因子回归分析是目前采用较多的一个概率统计预报方案。所熟知的数学模型是:Y=a_0+a_1X_1+a_2X_2+……+a_nX_n+8这里包含了几项重要的假定:1.各预报因子 x_1,x_2,…,x_n 之间彼此线性无关;各预报因子均独立地对     

预报对象和因子间的相关性探讨

在气象统计预报中,时常涉及到因子和预报对象之间的相关性问题。一般说来,因子与预报对象之间的相关性越好,则因子对预报对象的指示性也越好。然而,由于因子和预报对象之间还有一个相关稳定性的问题,所以,只有在因子和预报对象之间的相     

统计天气预报中相关系数的不稳定性问题

统计天气预报中,不论多复杂的统计数学预报模型,都离不开预报量和预报因子的相关程度及其对未来时间的稳定性。本文着重讨论了相关系数的不稳定性。我们定义了滑动相关系数,计算表明相关系数是随时间变化的;利用相关系数的这种时间变化,可以改善未来时间的预报,而且以10—20年的滑动年数效果较好。     

月尺度动力模式产品解释应用系统及预测技巧

从短期气候预测业务面临的实际问题出发,针对月尺度气候预测,利用国家气候中心月动力延伸预报(DERF)模式资料,开发了集多种统计预测方法、多种解释应用技术于一体的业务系统。利用该系统的多种预测方法对广西88个站点2005-2008年6月降水距平百分率的独立样本检验结果表明:在解释应用方法中,基于模式输出统计假设方法(MOS)的预报结果优于完全预报法(PP);利用预测站点附近的环流关键区构建的预测因子预报效果最好;经验统计函数法(EOF)和动力与统计相结合的解释应用方法的预测准确率较高且较稳定;同时满足模式预测资料中预测因子和预测对象的高相关关系,以及再分析资料中预测因子和预测对象之间高相关关系确定关键区,并在此基础上建立预测模型的预测效果更佳。解释应用预测准确率一般都在70分以上,高于传统的物理统计预测结果。     

夏季省级分区降水概率预报自动化系统

利用多年气象观测资料，数值预报产品，各种天气系统及相互配置与多年降水资料进行了相关统计，精选了与降水密切相关的因子，利用多因子条件下的概率组合方法，建立了夏季省级分区降水概率预报经系统。在实际预报业务中取得了较好的预报效果。     

用PC——1500袖珍计算机筛选统计预报因子的几种方案

无论是经典统计预报方法还是动力一统计预报(MOS,PPM等)方法,筛选预报因子都是一个重要步骤。下面是用PC-1500袖珍计算机筛选预报因子的几种方案。这几种方案,在输入预报量的观测值及筛选因子的标准后,只要将待选的各个可能预报因子的观测值依次输入,即可初选出符合指定标准的预报因子,并可给出供进一步筛选因子和建立预报方程的有关统计结果。     

混沌系统单变量可预报性研究

对于n维的混沌系统, 不同变量的可预报性是不同的。为了研究混沌系统中单个变量的可预报性, 本文在以前提出的混沌系统整体的非线性局部Lyapunov指数基础上(李建平等, 2006), 引入了单变量的非线性局部Lyapunov指数及其相关统计量, 进一步完善了非线性误差增长理论。通过应用到几个混沌个例, 结果表明单变量的非线性局部Lyapunov指数及其相关统计量可以用来定量地研究多维混沌系统中不同变量的可预报性, 系统不同变量的可预报性之间不是相互独立的, 而是单个变量的可预报期限与系统整体的可预报期限之比都近似保持一个常数, 但各个变量的常数值有所不同。     

多要素时间系列分析预报旬雨量

一、问题的提出旬的要素预报,多数做法是在寻找前期相关性好的因子。利用统计方法各旬建立一套相互独立的预报工具。这不仅忽略了天气的连续性演变,同时一年有36个旬,工作量也特别大。本文通过分析多种要素时间系列与预报量时间系列的关系,综合建立一套全年各旬均可使用的预报工具。     

基于ECC方法的青藏高原冬季气温可预报性研究

选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。     

浅谈天气预报因子的选择

在统计预报工作中,常常发现有一些预报因子和预报量之间的统计相关较好,历史拟合率也较高,但预报却往往失败。也有时发现,某个或某几个预报因子,这几年好用,过几年就不好用了,往往很不稳定。分析其原因可能有二:第一,只凭统计相关找因子,虽然也经过显著性检验,但毕竟是统计规律,即使信度达到0.05时,尚有0.05的发生错误的可能性。另外,有时两系列完全风马牛不相及的数字,在一个较短的时段内也可能表现出相关性很好。由于我们寻找因子的办法大都是“正负号普查”的方法,是和历史     

东海区域热带气旋路径统计动力预报研究

文章主要介绍了东海区域热带气旋路径统计动力预报方案及其使用情况。该方案在原有台风路径统计动力预报方案的基础上调整了预报区域，重新选取了历史样本；延长了预报时效；对随机参数的相关因子，尤其是其中的天气经验因子进行了改进，并引进了欧洲中期数值预报中心的数值预报产品因子。另外，还对有关因子的重要性做了分析研究。经独立样本检验和实时预报表明，该方案的热带气旋预报路径和实际路径相当吻合，各项误差比同类产品明显减小，对实际业务预报服务具有较好的参考价值。     

多时刻信息在大—暴雨释用预报中的应用及其集合预报模式

应用NCEP／NCAR逐日再分析资料，进行了不同时刻环境要素场与大—暴雨的相关分析，结果表明，从大—暴雨发生前2天至发生后2天的不同时刻，环境要素场都能提供大—暴雨的预报信息。应用不同时刻的环境要素为预报因子构造的预报方程对大—暴雨都具有预报能力。用大—暴雨发生前后信息进行预报，对应用当天信息进行预报的错误具有修正作用。应用多时刻环境要素为预报因子和统计释用方法构造的大—暴雨集合预报，由于独立预报信息的增加，有利于捕获大—暴雨的预报信息，有效地提高了大—暴雨的预报准确率。     

利用单一的和集合的方法预告区域预报技巧

本文利用平均海平面气压的模式预报误差(MFE)的3个预告因子研究了预告澳大利亚有限区域模式36小时预报技巧的可能。两个预告因子使用单一预报:其中1个以对于初始分析和预报的MFE的统计回归为基础;另1个因子利用了预报的持续性程度。第3个因子应用了与其它NWP中心的预报集合偏差。根据5个月的逐日36小时预报,发现了上述预告因子与MFE的相关系数分别是0.58、0.18和0.40。用最佳线性方法把上述3个因子组合后与MFE的相关系数增加到0.71。用两个月的独立资料集进一步对组合因子进行试验,得出的相关系数是0.67。因此,把这种方法应用于独立的和非独立的资料中,可以解释MFE方差的近50％。这证明了这种方法对于在总体上鉴别模式预报好坏有业务应用价值。澳大利亚东南部的实例研究,进一步证明了这些预告因子在整个预报区域中可以相当好地鉴别预报技巧。     

统计程序包方法介绍之二

在统计分析中,预报因子的优劣,直接关系着最终预报的成败。而检验预报因子的好坏常采用本文所介绍的方法,即,因子的分析与处理。这部分内容较多,又是本程序包的核心部分,所以分两期刊。第一部分介绍各类方差分析,独立性分析,概率组合,统计组合,因子分析。第二部分介绍谱分析,功率谱,交叉谱,各类聚类分析,趋势分析,网格化分析。     

利用双隐层BP网络进行雷暴潜势预报试验——以太原为例

利用太原地区探空资料,结合闪电定位资料,采用神经网络法对太原地区雷暴天气进行潜势预报.选取与雷暴发生相关性较好的探空因子作为预报因子,对其进行归一化处理,输出采用两级分类,构建双隐层的BP网络,并应用独立样本进行预报检验.结果表明,在相同条件下,与单隐层BP网络相比,双隐层BP网络显示了其在解决分类问题上的优势;与多元统计回归法相比,双隐层BP网络获得更高的雷暴预报TS评分及更可靠的结果,显示出神经网络良好的非线性问题处理能力.并且对雷暴预报结果的规律进行了分析与讨论,说明探空因子与雷暴的发生有着密切的联系.     

多因子耦合预报全年台风个数

多因子耦合预报全年台风个数赵学华（海南省琼海市气象局５４５８００）通常人们以预报年台风个数，一般都采用单因子或者是多因子点聚，要不就是时间序列等，这些方法往往不考虑几个因子之间的相互作用，仅仅考虑因子与预报量之间的相关，这就有可能使我们在考虑问题时忽...     

统计预报中500百帕高度场相关因子的时间尺度分析

目前,数理统计方法在长期天气预报中仍占有显著地位。大部份统计方法是建立在某种相关统计的基础上。尽管目前还没有掌握这种相关的物理原因,但相关分析却已被广泛应用于长期预报中。在相关统计中选取具有一定物理意义、相关稳定的预报因子,是提高统计预报效果的有效途径。统计长期预报实践发现,隔季相关、遥相关是提供稳定预报因子的重要线索。 500百帕高度场是长期预报广泛采用的因子来源。目前,500百帕高度场资料是以天文年历中的候、旬、月为时间单位分别统计计算的。月这一时间单位的采用往往把一个完整的自然天气阶段分割在两个相邻的天文月份中,     

对长期天气预报中几个问题的看法

在讨论长期预报的时空尺度时,往往强调超长波等大尺度长时间环流的调整过程,忽略次尺度短时间的环流跳动突变的作用。在选择环流相关时往往强调“隔季相关”、“半年效应”,而较少注意环流调整过渡期的特殊效应;仅仅计较相关系数的大小,而忽视某些特殊相关区域的特殊作用。在对环流相关区的整理计算时,只强调因子的独立性而往往破坏了整个环流结构的组合相关。本文就这几个问题,提出一些事实同大家一起讨论。     

简化的列联表迭加法

列联表是选择预报因子时进行独立性检验的常用方法,同时也能作天气分类预报。但对几十个甚至几百个准备选用的预报因子都用列联表来进行独立性检验,不但工作量较大,而且也不必要。我们是先采用距平重合率、级别乘积和、相关分数来初选预报因子,然后用简化的列联表对初选出来的预报因子作第二次鉴别,这样可以避免了理论频数的繁琐计算。为了便于比较起见,再用一般的列联表进行x~2。检验,在证明第二次鉴别选出的预报因子是有价值的以后,便直接采用上述两种列联表的实际频数之和的百分率来作定性判别预报。这样作,在实际预报中取得了一定的效果,现介绍如下。 一、预报因子的初步选择 1.基本资料:使用本站1957—1977年各旬气象资料,用1957—1978年的平均值。预报对象y为1月上