最佳分级程序

有关预测预报的问题(如天气预报,水位预报,病虫害预测,流行病暴发预测预报等)都要研究预报对象(用 y 表示)和因子(用 x 表示)之间的关系。例如:“发尽桃花水,必有旱黄梅。”桃花水就是前期预报因子,旱黄梅是预报对象,两者之间就有可能有着前因后果的相关性。气象上,经常用线性相关系数公式来计算两者之间的关系。若预报对象分别是偏多(或偏高),正常,偏少(或偏低)三级。而因子 x 是连续变量。用一般计算线性相关系数公式往往选不出较好的前兆因子,且不少因子和 y 之间也并非都存在     

概率变换法在南平地区暴雨预报中的应用

本文在大－暴雨ｍｏｓ预报中应用概率变换法进行对比分析,结果表明：概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。     

模糊综合评价在汛期(6—8月)降水趋势预报中的应用

本文用计算相关系数的方法,筛选出与汛期(6—8月)降水量相关性好的因子,作为预报因子。应用模糊变换原理,综合评价预报因子与预报对象之间的关系。通过设计各因子的隶属函数,建立它们间的一种模糊关系(?);同样也建立预报因子与预报对象之间的一种模糊关系(?)。然后,对(?)与(?)进行模糊变换运算,作出汛期降水趋势预报。     

秋冬气压与夏季月雨量分布的关系

秋冬气压与夏季月雨量分布的关系吕发泰（锡盟气象处）在选择长期预报因子时，不仅需要考虑因子的物理意义，相关性和稳定性，还要注意预报因子和预报对象之间的分布规律，根据它们的分布情况，选用适当的分析方法，才能取得较好预报效果。我台从１９６９年开始应用气压做...     

用主因子法选择回归方程因子集试验

主因子即备选因子集中与预报对象相关性最好的因子。对与主因子相关性较好而与预报对象相关性较差因子对回归方程效果的影响进行对比试验,并讨论了各部分因子集间的数量关系。     

概率映射作因子非线性变换

对非线性因子的处理,一般的做法是通过寻找一个比较合适的拟合曲线函数,用这个函数来进行变换,对于二级预报问题,因子的变换还可以通过概率映射来进行。一、概率映射变换当预报对象为二级时,因子与预报对象之间的相关关系可以通过因子各取值区间内某一级预报对象出现的概率反映出来,因子各取值区间的概率形成一个序列,从这一概率序列的变化可以看出因子与预报对象之间的关系是线性的,还是非线性的。事实上,对于二级预报问     

用多因子综合相关法制作天气预报

应用“多因子综合相关法”预报天气能够综合多方面的因素对于预报对象的影响,并可制作逐日预报,是一种比较客观和适用的方法。下面是我们使用该方法的一些体会。一、关于如何选取预报因子从大量的预报因子中筛选出与预报对象相关性好的、互相独立的多个因子,是应用此方法的基础,应注意以下两点:     

关于数理统计预报中的独立性问题

多元相关预报往往要求各预报因子之间相互独立,预报因子同预报量之间相关性要好,这就是说,独立性的概念在统计预报中占有相当重要的地位。 然而,目前所看到的一些气象统计预报工作,对独立性这一概念阐述不够明确;对相互独立和不相关有些混淆;对于用相关系数r判断独立性的局限性及改进办法,都讨论得很少。本文仅就这几个问题加以讨论,希望能对数理统计预报的理论基础及实际应用,都有所俾益。     

对回归分析中因子问题的探讨

回归分析方法是目前气象台站用作气象要素定量预报的主要方法之一。在实践中发现,此方法的历史拟合状况都较好,但用作预报时,效果就不甚理想。究其原因,主要还是预报因子的问题。１　因子稳定性的问题　　预报对象与预报因子之间的关系,可能在一段时间内表现得较紧密,在另一段时间内不紧密,这就是相关的不稳定。如用这些不稳定的因子建立方程,预报的效果就较差。为了考虑因子Ｘ与预报对象Ｙ的相关稳定性,分别依次滑动计算样本容量为２０、２５、３０和３５年的相关系数,考察相关系数的变化情况。如相关系数随着时间的推移,顺次是…     

云南盛夏大雨物理量因子的选取及效果检验

从物理量因子场与云南盛夏（7－8月）大雨作为预报量之间的相关系数计算入手，通过相关场分析来提取因子信息，经过不同组合试验，选出新的预报因子。检验表明，新的组合因子与预报量之间的相关性有明显提高。由此而建立的预报方程有较好的历史拟合率和较稳定的实际预报能力。     

郑州市空气质量统计预报方法探讨

根据2005年、2006年采暖期RegCM 3模式输出产品和郑州市环境监测中心逐日监测资料,利用逐步回归方法建立了PM10、SO2、NO2等污染物质量浓度预报方程。该方法在2007年采暖期的试报中效果不理想,预报准确率明显低于历史拟合率。为了提高预报准确率,针对目前采用的统计方法中存在的不足,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。将自然正交分解和多元回归分析结合起来,以采暖期各污染物的日均质量浓度为预报对象,建立预报模型。结果表明,采用新方法制作的空气质量预报准确率有一定程度提高。     

云南盛夏大雨物理量因子的选取及效果检验

从物理量因子场与云南盛夏（７－８月）大雨作为预报量之间的相关系数计算入手，通过相关场分析来提取因子信息，经过不同组合试验，选出新的预报因子，检验表明，新的组合因子与预报量之间的相关性有明显提高。由此而建立的预报方程有较好的历史拟合率和较稳定的实际预报能力。     

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。     

用双重分析方法作寒露风初日长期预报

一、引言 通常的逐步回归分析预报方法,是选取一些与预报对象有一定相关性的前期因子,进行逐步回归建立预报方程的。而作历史气候条件分析时,往往使用周期分析方法分析气候要素的变化规律。这两种分析方法刚好说明了两方面的问题:一是气象要素的变化受到各种前期因子的支配;二是气象要素自     

因子的可预报性研究初探

本文从对历史样本的实际预测效果探讨了因子的可预报性,并从因子场与预报量场之间的整体相关性着手,通过典型相关分析来提取因子信息,用求得的典型变量作为新的预报因子。经试用表明:新因子的可预报性比原因子有明显加强。     

一种挑选因子的数学模式—分类系数

同常规的统计预报一样,在MOS预报中挑选因子同样也是一个关键和核心的问题。 由于预报因子和预报对象之间的关系是错纵复杂的。很少存在线性关系。而在我们日常使用的统计方法中只有线性关系的各种方法才是比较成熟的。直接进行非线性处理是非常复杂的。所以,一般的做法是采用将非线性关系转化为线性关系后再采用线性方法     

因子的可预报性和预报模型适用性研究初探

本文从因子场与预报量场之间的整体相关性着手，通过典型相关分析来提取因子信息，用求得的典型变量作为新预报因子，经试用表明，新因子的可预报性比原因子有明显提高。 在预报模型的选择上，本文提出了依据预报模型对历史样本实际预测精度的优劣来衡量预报模型的预测能力，从而选用对历史样本预测精度较高的预报模型作未来预报。     

用模糊关系方程预报天气

模糊数学在气象中的应用是十分广泛的.用模糊关系方程预报天气,就是利用预报因子与预报对象之间存在着的模糊关系,由预报因子通过模糊关系这个转换器作模糊变换,从而求出预报量.本文首先给出预报的数学模型,然后以实例说明用模糊关系作预报的方法和步骤. 一、预报的数学模型     

基于统计降尺度方法的夏季降水精细化预报

利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好.     

基于偏最小二乘回归理论的西北太平洋热带气旋强度统计预报方法

热带气旋(TC)的强度预报是TC研究中的前沿性问题和实际业务中的难点.当前具有参考价值的预报方法主要是统计类或模式释用类方法,例如气候持续性(CLIPER)模型等.CLIPER模型的核心技术为多元线性回归,这种回归算法在预报因子之间存在多重相关性时会丧失建模的稳健性,进而影响CLIPER模型的预报精度.为了提高CLIP...