逐步门限自回归模型及其建模方案

针对门限自回归模型在模型识别方面的不足，提出了逐步门限自回归模型，并同时给出了该模型的一种建模方案。数值实例表明，逐步门限自回归模型在模拟和预报稳定上比一般门限自回归模型有一定程度的提高。     

利用非线性门限混合回归统计模型进行季尺度降水温度预报

门限混合回归模型是由门限自回归模型发展而来。门限自回归模型(Threshold Autore-gressive Model)是由汤家豪于1978年首先提出的，该模型经过国内十几年的研究已经有了很大进展和完善。本文介绍门限混合回归模型在辽宁省一些地区季降水和温度预报中的应用。     

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。     

山西降水、气温场非线性模拟与预测

本文将门限自回归应用于降水、气温场的模拟与预报,并讨论了门限识别准则存在的问题,提出了新的ＡＩＣ加权最小识别准则,取得了令人满意的效果。降水、气温各主成分的自激励门限自回归和开环门限自回归均以零时滞为最优。说明降水、气温存在两种不同的自相关和互相关,但这种相关形式选择不能由序列自身预先提供。非零时滞门限游程序列的ＳＥＴＡＲ模型拟合和预测效果均很好。因此,降水和气温场的预报可由零时滞ＳＥＴＡＲ模型和非零时滞门限游程ＳＥＴＡＲ模型组成方程组完成。     

利用非线性门限混合回归统计模型进行季尺度降水温度预报

1 引言 门限混合回归模型是由门限自回归模型发展而来。门限自回归模型(Threshold Autoregressive Model)是由汤家豪于1978年首先提出的,该模型经过国内十几年的研究已经有了很大进展和完善。本文介绍门限混合回归模型在辽宁省一些地区季降水和温度预报中的应用。     

一种新的统计回归模型及其建模方案

根据经典门限自回归模型的基本思想,引入半截多项式变换,导出了一种新的统计回归模型,并提出了相应的一整套建模方案。这种模型和建模方案的特点是:（1）解决了统计回归分析中逐段线性化模型的检验问题;（2）在确定统计回归模型中各待估参数和变量——包括门限变量、门限值、阶数、时滞和回归系数时显得十分方便、快捷。试验结果表明,根据此方案建立的统计回归模型具有较高的拟合和预报精度,同时具有良好的稳定性。     

非线性门限自回归模型用于时间序列的外推预报

对一些呈非线性变化的时间序列，如果勉强用线性统计模型来描述，效果往往不理想。本文利用非线性的自激励门限自回归模型（ＳＥＴＡＲ）、开环门限自回归模型（ＴＡＲＳＯ）对我省记录年代较长的烟台年降水量序列进行建模分析，并探讨分析了模型的稳定性，最后利用稳定的ＳＥＴＡＲ模型进行外推预报。     

带有周期分量的多层递阶方法及其应用

多层递阶方法是运用现代控制理论中的系统辩识方法而提出的一种新的数学预测模型,由于它充分考虑了动态系统的时变性质,采用了时变参数预报模型,故对时变系统有较强的适应能力。从目前所做的工作来看,天气预报中的多层递阶方法大多采用了仅有预报因子的线性单输出系统模型,其主要原因在于气象要素的自相关程度往往比较低,使得仅有预报因子的线性单输出模型反而要比含有自回归部分的一般线性单输出模型预报精度高。但     

南宁市空气臭氧污染的TAR模型预报研究

以门限自回归统计方法为基础进行南宁城市臭氧日最大小时浓度TAR模型预报研究.选取日平均气压作为参与预报气象因子、180日作为建模资料长度、开方形式的数据转换后建立模型预报效果更佳.预报结果检验表明预报方案是可行的,并提出了改进建议.     

基于时间序列模糊分析的作物产量多层递阶预测模型

一、引言 目前农作物产量的统计预报一般都采用线性多元回归方法,业务实践证明,以这种经典回归统计方法作产量预测,效果常常不够稳定,特别是随外延预报年限的增加,误差会明显增大。其重要原因之一,是以固定参数的回归模型预报动态的时变系统,从而造成较大误差。针对这一问题,文献[1]提出了动态系统的多层递阶预报方法,即:     

总云量产品在中国区域的分析检验

对ISCCP、常规观测以及MODIS总云量3种目前使用较多的总云量资料进行对比分析, 重点考察时间序列较长的ISCCP和常规观测总云量, 给出定量对比结果, 为使用这3种总云量资料的用户提供参考。研究表明:ISCCP与常规观测总云量相比, 7月二者的空间分布具有很好的一致性, 但白天ISCCP总云量比常规观测总云量多, 夜间却往往比常规观测总云量少, 二者误差分布表现为东部和东南部小于西北部的特征; 而1月二者空间分布比较一致, 但是在天山和东北地区高、低值中心经常不匹配, 这两个区域总云量资料需慎用; 7月ISCCP总云量精度明显高于1月。ISCCP、常规观测以及MODIS总云量对比结果表明:1月MODIS总云量比其他两种资料大, 而7月为最小。相对常规观测, 1月ISCCP总云量精度优于MODIS, 而7月MODIS总云量略优于ISCCP。     

两层正压准平衡海洋模型的中纬度自由涡旋波动解

建立了具有瑞利摩擦且仅考虑大洋西海岸或同时考虑大洋东、西海岸的两层正压准平衡海洋模型,并做了解析求解,用以研究中纬度的自由涡旋波。得到的主要结论有:模型中该波动的解为波包。在仅考虑大洋西海岸时该波包的载频频率是连续谱;而同时考虑大洋东、西海岸时其为离散谱;且均有载频频率越高(周期越短)水平尺度越大的特点,对过分低频的波动,则会使准平衡的假定不再适用。模型中该波动波包载频的周期约在26天至24年。因考虑了摩擦,该波包的振幅随时间呈指数衰减,但摩擦系数的大小仅影响其衰减程度而不改变其空间结构,最终该波包振幅趋于0,故该两层正压海洋模型的解就趋于大气风场的强迫特解。模型中该波包的载频都是西传的;频率较高则西传较快,波包的特性和变形都很明显;频率低,则西传慢,其波形接近平面简谐波。在该两层正压模型中,该波动上层流场与正压模型中的流动类似,而下层海洋流动则其流速与上层海洋相同,而流向相反。该模型中该波动的性质是准平衡(准无辐散)的涡旋波,当摩擦不太大且其水平尺度在10km以上时,其性质则为准地转的Rossby波。     

哈尔滨市汛期特征与年变化

利用哈尔滨市１９５１ ～１９９８ 年候降水量资料,用候降水量突变划分汛期,并对哈尔滨市汛期特征进行分析。哈尔滨市汛期可划分为：提前型、落后型;偏长型,偏短型;连续型、分段型。平均入汛期为６ 月２１ ～２６ 日,最早入汛期为５ 月２１ ～２５ 日,最晚入汛期为７ 月２１ ～２６ 日;平均出汛期为８ 月２６～３１ 日,最早出汛期为７ 月６ ～１０ 日,最晚出汛期为１０ 月１１ ～１５ 日。平均汛期长度为６０ｄ ,最长汛期为１００ｄ ,最短汛期为２０ｄ 。     

基于DERF2.0的中天山北坡经济带秋季延伸期强降温过程预报检验

基于观测及DERF2.0预报数据,应用多种气候检验指标,针对1983—2013年间中天山北坡经济带8个代表站的秋季日最低气温进行检验,结果表明:(1)秋季日最低气温的预报效果存在空间和年际差异。东部奇台、木垒预报效果优于中西部6站;整体预报能力延伸期弱于中短期,且随预报时效延长而减弱。(2)预报与观测的相关程度较高,但滤除秋季降温背景趋势后日最低气温预报与观测之间的相关程度降低明显,在延伸期时段相关系数从0.8降至0.3以下。不论是否去趋势,温度序列由暖向冷转变的季节趋势越明显,预报的相关性就越好。(3)逐日最低气温预报偏差以偏低为主,随季节推进由9月初的最大-6℃逐渐转变为11月底的2℃以内;多年综合预报PS评分普遍低于60分,站点之间差别较大,奇台站评分相对最高,乌鲁木齐最低,乌鲁木齐的逐年PS评分与其秋季年平均温度分布反向对应,年平均温度越高(低),评分越低(高)。(4)24 h变温的预报偏差整体小于逐日温度,但预报的整体相关程度和相对于观测的离散程度均较逐日温度差,预报时效在5 d内的24 h变温预报效果相对最好。(5)强降温过程的预报能力整体偏弱,初始过程的温度预报偏低,结束过程的温度预报偏高,过程降温幅度预报偏小,过程降温幅度越大,偏小程度越严重,预报时效越长,预报偏差越大。DERF2.0模式的延伸期预报产品对于中天山北坡经济带的秋季强降温过程预报具有一定的参考价值,但是支持能力有限,需要考虑更多方法来探讨提高延伸期预报水平。     

有地形坡度的非线性Kelvin行波

提出了一个考虑地形坡度的非线性Kelvin行波解的模型，在假定了地形坡度沿山脉走向不变而仅在垂直于山脉走向的方向有改变的情况下，求得了该模型的解析解，这有助于加深对沿海山地捕获波的认识。文中还将该解与经典情形(即侧边界取为垂直刚壁而底面为水平)的解作了比较，发现前者的波速与扰动振幅均较后者要小，这与我国东南沿海武夷山区的沿海山地捕获波的情况相一致。     

下垫面对郑州城市边界层风的影响

根据１９９３年１月和７月郑州市中心测点和南郊郑州气象观测站同步观测的地面和边界层气象资料,分析了郑州城市下垫面对边界层风的影响。结果表明,在地面气压梯度比较小且天气晴朗条件下,郑州存在城市热岛环流。受城市热岛环流影响,郊区地面风向指向市区;边界层８００ｍ以下,城市上空吹偏西风时同一高度上南郊风向偏于城市风向左侧,吹偏东风时同一高度上南郊风向偏于市区风向右侧;１２００ｍ以上,城市上空吹偏西风时,同一高度上南郊风向偏于城市风向右侧     

对偶Kriging插值方法在气象资料分析中的应用

非对偶Kriging方法是一种局部插值, 因此对每个插值点都要重新求解Kriging线性系统从而非常耗时。该文介绍了通过等价变换将泛Kriging方法转换成对偶Kriging方法, 对偶Kriging方法是一种全局插值, 其Kriging线性系统不依赖插值点, 因此仅需一次求解Kriging线性系统即可计算所有插值点的值, 从而极大提高了计算效率。数值试验的实际计算表明, 对偶Kriging方法不仅计算精度完全与泛Kriging方法一致, 整体效果相当于或优于GrADS绘图软件的Cressman方法; 而且对偶Kriging方法的计算效率远高于泛Kriging方法。最后, 该文通过统计与拟合得到了降水的4类半变异函数模型的表达式, 并通过敏感试验研究4类半变异函数模型对降水分析精度的影响。     

北京高速公路大气能见度演变特征及其物理分析

根据首都国际机场高速公路专业气象自动监测站网所提供的高时间分辨率资料, 对大气能见度演变特征以及相应的物理因子进行分析。结论如下: (1) 大气能见度具有明显的日变化和逐月变化特征。就日变化而言, 能见度以14时最大, 但最低值出现时段却不一定。对于季节变化, 全年以夏季大气能见度状况最好。 (2) 无论是季节变化还是日变化, 高速公路上的大气能见度与气象要素之间都是复杂的非线性关系, 而不是简单的线性关系。通过对21个月中能见度最低月资料的分析表明, 大气能见度与湿度间呈明显的乘幂分布关系, 其与气温呈U型相关。但在月平均能见度最大月, 能见度则与湿度呈指数关系。 (3) 从物理上来看, 大气能见度与湿度的关系, 主要是通过水汽分子的Rayleigh散射和雾的Mie散射两个方面来表现; 风速则是由于压力阻力卷起大气气溶胶来影响大气能见度的; 而0℃附近温度影响大气能见度则主要是通过Bergeron三相过程。 (4) 200 m以下的低能见度基本上是湿度在100%的情况下发生的, 即都是大雾天气影响的直接结果, 但对200 m以上的低能见度则不同, 200～1000 m其间有一半是雾, 而1～4 km的能见度中不到三分之一是雾, 主要是由灰霾、 沙尘暴等天气现象造成。     

江淮梅雨对东亚副热带夏季风进程及海温异常的响应

利用1960—2020年江淮地区75个气象站逐日降水量、气温、相对湿度资料以及NCEP/NCAR再分析资料和Hadley中心海表温度资料，研究了东亚副热带夏季风进程变异对江淮梅雨的影响，揭示了不同类型梅雨期太平洋海温及大气环流异常特征。结果表明：8种江淮梅雨类型中，多雨型占45.9%，少雨型占54.1%，其中多雨型在前30 a占36.7%，后31 a占63.3%。江淮典型梅雨年（高温高湿多雨）的主要特征为安徽南部、江苏中部及湖北东部地区降水偏多，安徽南部、江西东北部及浙江西北部气温偏高，淮河流域湿度大；而在非典型梅雨年（低温低湿少雨）大部分地区雨量偏少，气温呈"东高西低"分布，低温中心区位于淮河中游，湿度呈"西大东小"分布。欧亚大陆中高纬度阻塞高压增强，脊前向南输送的西北气流加强且路径偏东，中国东北冷涡强度较强且位置偏西南，东亚大槽加深，槽后冷空气向南输送，有利于典型梅雨形成。当前期冬春季赤道东太平洋海温异常偏高，西太平洋海温异常偏低时，西太平洋副热带高压强度偏强、面积偏大、脊线位置偏南、西伸脊点偏西，东亚副热带夏季风推进到江淮地区的时间偏早，出梅偏晚，梅雨期降水量偏多。     

洛阳机场辐射雾的预报

从统计资料看，洛阳机场影响能见工的雾绝大多数是辐射雾，平流雾的出现低于0．1％。辐射雾出现的常见形势是：洛阳处在地面弱高压中心附近或鞍形场、均压共内，地面为稳定东北风或风向不定，风速均≤3m/s，出现的前一天下午至晚上近地面湿度较大，前一天16时相对湿度均＞75％，天空背景为夜间晴朗少云，或碧空或只有高云县总云量不超过2／8，近地面层大气层结比较稳定。