统计预测中虚假因子的识别理论及其在预测实践当中的应用(二)——偶然性相关率概率定理和偶然性复相关的识别与过滤

从（0,1）型的完备随机因子群与预报量之间的等概率相关出发,我们导出了偶然性相关率概率定理,即:任一含有n个（0,1）型元素的预报量序列,它与含有n个（0,1）型元素的完备随机因子群之间具有偶然性相关率m/n二的概率P_w（m/n）=C_n~m/2~n。类似于“偶然性单相关的识别与过滤”一文中的做法,引进统计量 并用其对预报因子进行显著性检验。文中给出了实际应用时应当执行的步骤。 然后本文将变量型从（0,1）型推广到K级划分的情况,于是得到K级偶然相关率概率定理,即:任一含有n个k级划分元素的预报量序列,它与包含n个k级划分元素的完备随机因子群之间具有的偶然性相关率m/n的概率P_w（m/n,k）=（k-1）~（n-m）C_n~m/K~n。     

统计预测中虚假因子的识别理论及其在预测实践当中的应用(一)——偶然性单相关的识别与过滤

在统计预测中,如何选取物理意义明确、预报准确率又高的预报因子,几乎是统计预测成功与否的关键。在实际预测当中,常会碰到这样的情况:某些因子与预报量的单相关率甚高,但用它们构成预报方程并做预报时,却常常导致失败。事后分析发现,这些因子并非由于物理上的原因,而仅仅由于在有限样本的情况下（在实际预报中样本客量常常很小）,预报因子序列偶然地与预报量序列具有很高的相关性。本文把这样的因子称为虚假因子,并把这种相关称为偶然性单相关。 为了研究的方便,作者将因子和预报量分别化为（0,1）序列,并提出了一种最佳（0,1）化算法。在因子X和预报量Y分为（0,1）两级的情况下,假定它们相互独立,于是有 P_i（x,y）=P_i（x）P_i（y）即:X和Y在i级的正相关率等于各自出现在i级的概率之积。引进统计量 式中υ_i是（X,Y）实际出现在i级内的频数,n为子样总数。用该统计量对预报因子进行显著性检验,就能有效地识别和过滤假因子。 本文最后将理论应于台风的登陆,转向预报。显著水平为0.001时,有8个预报因子通过检验。从中选取η值较大的5个,用简单的编码相关法构成预测模型,其预报准确率为94.1％。     

不等时距的灰色模型GM（1，1）──建模方法及其在黄河河道长度预测中的应用

提出不等时距的灰色模型ＧＭ（１，１）的建模方法，依据１９７６～１９８９年的现行黄河河道长度数据，假设在现行清水沟流路不变的前提下，利用该模型对２０００年前的黄河河道长度进行预测。     

INMARSAT－C在海洋环境监测系统中应用若干问题的分析和试验（二）

ＩＮＭＡＲＳＡＴ－Ｃ在海洋环境监测系统中应用若干问题的分析和试验（二）孙仲汉，孔杰（国家海洋局海洋技术研究所天津）３　ＩＮＭＡＲｓＡＴ－Ｃ在海洋环境监测系统中应用若干问题的分析和试验３．１关于通信路径的选择在海洋环境监测系统中应用ＩＮＭＡＲＳＡＴ－Ｃ...     

OSP-03大洋边缘和大洋岛屿沉积物块体运移及其影响：何时？何地？起因？（一） ：3D陆坡稳定性：概率分析法在尼斯（法国）机场陆坡的应用

SAMU-3D,是由Sultan等（2007）最近研发出的一个能解决复杂形态的三维陆坡稳定性评价软件。该模型以陈等人的塑性上限定理为基础,利用三维分析评价了一个有可能引起滑坡的块体的安全因素。这个模型最值得注意的一个方面就是给出了复杂的临界破坏面,适用于峡谷这类具有破坏面形态（用椭圆率、曲率和大小尺寸等8个参数定义）的复杂测深。