用改进的多层递阶预报法作水稻产量的农业气象预报

本文试用多层递阶预报方法作水稻产量的农业气象预报,提出对原方法的改进途径。改进后的多层递阶预报方法只需预报每层参数中的一个最易预报的参数,因而大大减少了原方法逐层逐个参数预报的计算量,避免或减小了原方法中存在的误差叠加和放大现象,并用淮阴市的水稻产量资料对新方法进行试报检验,结果令人满意。     

试用多层递阶回归分析法作月降水预报

通过对多层递阶回归分析方法的试用,表明这种方法在预报业务中有实用价值。     

试用多层递阶预报方法做夏季降水量预报

天气预报的多层递阶方法是运用现代控制理论中的系统辨识方法提出的一种新的数值预报方法。我们在过去工作的基础上选取六个有天气学意义的相关因子,采取仅考虑预报因子部分的多层递阶方法试作夏季降水量预报,效果较好。此外,与一般线性单输出模型、仅有自回归部分的线性单输出模型及多元回归进行了初步比较,提出一些看法。《天气预报的多层递阶方法》是运用现代控制理论的系统辨识方法,它将天气系统看成是随机动态的时变系统。从系统的外部特征着手,建立其输入-输出模型,并进行多层分析和多层递阶预报。现将我们用这种方法预报夏季(6—8月)降水量上所做的工作介绍如下:     

用多层递阶方法预报花生产量

目前,国内对花生产量预报方面的研究较少,其它粮食作物如小麦、水稻等作物的产量预报方法较多。一般常用的多元回归、特征根回归、多重回归等预报方法,随着预报年限的延长,预报误差会相应增大,其原因之一是在此类预报过程中,用固定参数模型来预报一个时变参数系统的状态,易产生较大的误差,并随着预报年限的延续而增大。因此逐年预报时需要重新计算模式的系数。为了克服这一缺陷,我们采用了动态系统预报的新方法——多层递阶预报方法,对我省花生产量进行预报,由于它充分考虑了参数的时变特性,因此提高了预报准确率。通过对我省花生产量预测的实际应用表明,采用多层递阶预报方法连续多年预测花生产量,准确率及精度较高,这一方法可多年使用后再进行模式运算,大大减少了工作量,这种方法早已引用于长期天气预报,对于时间紧、业务量大的产量预报也非常适用。     

用多层递阶方法作中期气温预报

一、前言四月上、中旬正值我省春播的关键时刻,气温的高低对春播影响较大,低温阴雨会造成烂秧,高温阴雨会出现病虫害,因此作好春播期的中期气温预报是很重要的。通常运用回归分析方法作预报存在着一定的局限性。     

试用年轮作阿勒泰县春小麦气候产量预报

本文通过对年轮与阿勒泰县春小麦气候产量关系的初步探讨表明:当年轮与作物气候产量受相同的主要气候限制因子制约时,可用年轮来延长作物气候产量序列,并由此外推得到作物气候产量的多年预报值.这既可以从另外一个角度提供作物气候产量的预报,同时又能弥补从气候因子预报气候产量时效短的不足,为作物的长期规划提供参考依据.     

带有回归系数的多层递阶预报模型

本文针对经典多层递阶方法所存在的缺陷,提出了一种改进的多层递阶预报模型。它的基本思想是将回归分析与经典多层递阶方法相结合,使之有效地消除了因子间量值差异所引起的贡献差异,较好地体现了高相关因子的重要作用。实例计算结果表明,该改进方案的预报精度有显著提高。     

长期天气预报中的多层递阶预报方法

一、问题提出 统计预报是当前长期天气预报的主要手段之一。常用的古典统计方法包括:回归分析、判别分析、方差分析、时间序列分析i等。对于预报量y,选取s个预报因子x_i(=1,2……s),建立预报方程。     

多层递阶预报模型试做长期天气预报

根据预报量与预报因子的实际情况，提出用灰色系统中的关联分析筛选非线性因子。同时利用时变参数跟踪理论，将复杂的非线性系统预报问题转化成简单的带时变参数的线性多层递阶预报问题。经实际应用证明，用此法建立的多层递阶预报模型优于线性因子所建立的多层递阶预报模型。     

鲁南月降水量的多层递阶预报方法

在实际的预报工作中,对于月的降水量预报或做其它长期预报,通常从这样几个方面考虑问题:1.降水自身的演变规律;2.寻找各气象要素或要素场与降水量的相关关系,3.选择最佳预报因子,用统计的方法做出预报。 所以我们最关心的正是如何确定气象要素场与降水量的相关关系,选择合适的预报因子。在实际工作中预报因子的选择往往是预报成败的关键。但在预报因子选取之后,选择合适的统计方法也是不容忽视的。现将我们做的一点工作简介如下。     

用多层递阶周期分析作西沙海区热带气旋长期预报

西沙海区是我国受热带气旋影响最频繁的海区之一，全年除2月份外，各月均有热带气旋影响。由于西沙海区是南海的主要交通枢纽，了解西沙海区热带气旋的活动规律及做好该海区的热带气旋预报，具有重要的经济和国防意义。本文在统计分析1949～1995年西沙海区热带气旋活动规律的基础上，根据天气预报的多层递阶方法卜」的基本思路——将天气系统看成是随机动态的时变系统，把对天气系统的状态预报分成两步。首先对系统的时变参数进行预报，然后再对系统的状态进行预报。为了改进目前多层递阶方法中大多采用仅有预报因子的线性单输出系统模型存…     

用多层递阶自回归模型作月降水和气温预报

采用多层递阶自回归数学模型，对泰安各月降水量和平均气温进行定量预报，通过１９８８─９３年的实际应用，大部分月份的降水量预报及气温预报，准确率较高。证明该模型实用性较强。     

多层递阶预报模型的一种改进方案

本文针对气象要素与其过去的数据自相关程度一般都较差,而与其自身的显著周期分量却存在较高的线性相关关系的特点,提出了一种改进的多层递阶预报模型。它将多层递阶方法与逐步回归双重分析相结合,用显著周期分量取代经典多层递阶预报模型中的自回归部分,使之能更好地反映气象要素自身的历史演变规律,从而稳定其预报效果。     

黑龙江省冬季平均气温的多层递阶长期预报模型

本文通过对冷暖冬年长期天气过程的初步分析,以实际预报验证效果比较好的相关因子为输入变量,运用文献[1]提出的多层递阶预报方法,对冬季平均气温进行了长期预报,取得的效果较为满意.     

多层递阶双优模式

通过对机械化施工方案技术经济的重要性和分析步骤的叙述，介绍了机械化施工中工程成本的内容和计算方法，并重点描述了施工方案技术经济分析方法中常用的工程成本法和回收期计算法。     

多层递阶双优模式

<正> 多层递阶预报法是一种动态系统法,它是近代统计学吸取“控制论”的结果。这种方法把状态分为两个部分,即动态系统的参数预报和以参数的预报值为基础的状态预报。在一定程度上克服了系统的时变性与进行预报的数学模式参数的非     

多层递阶周期分析

针对经典多层递阶预报方法的某些不足,提出了一种改进的多层递阶预报模型——多层递阶周期分析。它使用时间序列的显著周期分量取代原模型中的自回归部分,使其更合理地反映气象要素自身的演变规律,有效地提高了预报精度。     

西太平洋夏季副高积分多层递阶长期预报模型

本文综合了积分回归分析和多层递阶预报方法的优点,构造了一个副高特征量积分多层递阶长期预报模型,试报的结果是令人满意的。     

多层递阶方法与回归分析相结合的预报模型

一、引言多层递阶预报方法是运用现代控制理论中的系统辨识方法而提出的一种新的统计预测模型,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,故对类似天气预报这一类时变系统具有较强的适应能力,因而近年来引起了气象工作者的广泛关注,并进行了     

试用MOS法作晴雨预报

一、引言 我台自1980年5月起接收日本的传真天气图。在使用中发现它的物理量分析及数值预报图对提高预报准确率有一定的帮助。由于刚开始接收,仅作定性使用。目前已积累了近二年的传真图资料。现将试用MOS法作我地的晴雨预报方法总结如下。