共查询到19条相似文献,搜索用时 406 毫秒
1.
利用西安市7个国家一般气象站1971—2000年的逐月平均气温,依次选用最优气候值法、多元线性回归预测法、自回归移动平均法(ARIMA)和灰色系统理论法进行回报检验,模拟出7个站点2001—2013年的月、季、年平均气温,再对其进行PS评分和异常级分析,结果显示:季、年平均气温预测以最优气候值法、灰色系统理论法较为适用,月平均气温预测中各种方法在时空序列上各有优劣,多元线性回归预测法应适当避免使用;从时间尺度来看,春、夏、秋和年平均气温预测以最优气候值法最优,冬季平均气温预测以自回归移动平均法最优,月平均气温预测3—8月以最优气候值法最优,1—2月、9—12月以自回归移动平均法最优;从空间尺度来看,靠近山区及平原区(周至、户县、市区、高陵)月、季、年平均气温预测以灰色系统法最优,山区与平原区过度区域(临潼、蓝田、长安)月、季、年平均气温预测以最优气候值法最优。 相似文献
2.
淮河流域夏季极端降水事件的统计预测模型研究 总被引:3,自引:1,他引:2
采用年际增量预测方法, 通过考察与淮河流域夏季极端降水事件发生频次(HRF)年际增量相关的环流, 确定了5个预测因子:冬季北太平洋涛动、12月南极涛动、春季3~4月南印度洋气压、春季3~4月白令海气压、春季3~4月印尼—澳洲附近经向风垂直切变;然后利用这5个预测因子, 通过多元线性回归方法建立HRF年际增量的预测模型, 进而预测HRF。交叉检验表明, 在1962~2005年的后报中, 这个预测模型对HRF显示了较高的预测技巧, 预测结果与实测间的相关系数为0.67, 表现出较高的预测潜力, 对淮河流域夏季极端降水事件的预测具有较大的应用价值。 相似文献
3.
利用2018—2019年国控站观测,评估CAMx和CMAQ模式对广东珠海主要污染物时空分布与演变特征的预报能力,并引入多元线性回归和随机森林方法对预报结果进行集成,探究不同集合方法的改进能力。结果表明:CMAQ在各污染物浓度季节-日变化方面明显优于CAMx,但两者存在明显系统偏差,并对多数污染物(除O3之外)的昼夜和空间变化的模拟能力仍存在明显缺陷。例如,CMAQ合理地还原了CO、PM2.5、PM10、SO2、O3和NO2的季节变化,相关系数介于0.72~0.84,但NMB分别达到-0.58、-0.18、-0.30、1.52,-0.16和-0.20,RMSE分别达到0.40 mg/m3、6.86、16.02、10.71、25.05和10.21μg/m3。同时,基于不同污染物构建的两种集合方法均有效移除了系统偏差,加强了CMAQ的模拟优势,并且随机森林方法明显优于多元线性回归,但两者均对模式缺陷无明显改进。进一步分... 相似文献
4.
采用2013年中国科学院大气物理研究所香河大气综合观测试验站的地基微波辐射计和激光雷达观测数据,以激光雷达探测的大气边界层高度为参考,分别利用非线性神经网络和多元线性回归方法建立微波亮温直接反演大气边界层高度的算法,并对比两种方法的反演能力, 同时分析非线性神经网络算法在不同时段及不同天气状况下反演结果的差异。结果表明:非线性神经网络算法的反演能力优于多元线性回归算法,其反演结果与激光雷达探测的大气边界层高度有较好一致性,冬、春季的相关系数达到0.83,反演精度比线性回归算法约高26%;对于不同时段和不同天气条件,春季的反演结果最好,晴空的反演结果好于云天; 四季和不同天气状况的划分也有利于提高反演精度。 相似文献
5.
基于EMD方法的观测数据信息提取与预测研究 总被引:5,自引:1,他引:4
用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变。虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着重重困难。其根本原因是气候系统的混沌分量和非线性/非平稳性等因素在起作用。而现有气候预测的统计方法(主要包括经验统计、数理统计和物理统计等方法)的数学基础却忽略了这些特点,这是因为以现有的科学水平人们不得不假设时间序列是线性和平稳的。实际气候观测序列普遍具有层次性、非线性和非平稳性,这给建立预测方法带来了极大困难。文中构建了一个新的预测模型,即首先利用经验模态分解(em-pirical mode decomposition,EMD)方法将气候序列作平稳化处理,得到一系列平稳分量-本征模函数(intrinsic modefunction,IMF);其次,利用均生函数(mean generate function,MGF)模型获得各分量的初次预测值;最后,在最优子集回归(optimal subset regression,OSR)模型的基础上,通过直接或逐步拟合一部分预测值,构建两种预测方案达到提高预测能力的目的。典型气候序列的预测试验结果表明,具有平稳化的IMF分量,尤其是特征IMF分量有较高的可预测性,它对原序列趋势的预测有重要指示意义。大力开展气候系统机理和气候层次的研究,并建立相应的气候模式是未来发展趋势。该文是这方面的一个初步尝试,相信该模型能为气候预测(评估)开辟一条新的有效途径。 相似文献
6.
将霾日数年际增量作为预测对象、前期外强迫因子作为自变量,分别运用多元线性回归方法和广义相加模型建立长三角地区冬季霾日数预测模型。综合考察"去一法"交叉验证和循环独立样本实验的结果,选出适用于各个模型较优的建模方法,并对比长三角地区冬季霾日数预测模型(MODEL1)和长三角地区冬季霾日数分月预测模型(MODEL2)。MODEL1、MODEL2的均方根误差(解释方差)分别为2.69(80.01%)、2.76(79.04%),两类模型均能成功捕捉霾日数的年际-年代际趋势和极值。MODEL2预测的霾日数距平同号率(97.3%)优于MODEL1(86.49%),具有良好的距平符号捕捉能力。MODEL1采用11月之前的外强迫因子,可提前一个季度预测冬季霾日数;MODEL2采用更新的外强迫因子,可不断预测每月霾污染状况。通过两类模型组合使用,可更准确预测长三角地区冬季霾日数,为霾污染治理提供可靠的科技支撑。 相似文献
7.
采用1991—2017年BCC_CSM1.1m季节预测模式的月降水预测数据及福建省前汛期(4—6月)66个国家气象站降水资料,利用距平相关系数(ACC)、时间相关系数(TCC)、平均方差技巧评分(MSSS)和趋势异常综合评分(Ps)等评估方法,检验评估了提前0、1、2和5个月模式对福建省前汛期降水的预测能力。采用系统偏差、一元线性回归和EOF-相似误差(EOFL和EOFNL)等4种统计方法对回报结果进行订正,并进行效果检验。BCC_CSM1.1m在不同起报时间对福建省前汛期降水的预测均能抓住降水的前两个主模态:全省一致和南北反向分布的空间特征,但预测的气候平均值较实况存在负偏差。模式在不同起报时间对前汛期降水预测的TCC高技巧区主要位于福建省北部,ACC技巧和Ps评分存在比较大的年际差异,负系统偏差的存在使得MSSS技巧不高。经订正后,模式的预测能力得到明显提升。系统偏差、线性回归、EOF相似误差线性和非线性订正方法提前2个月起报的2011—2017年平均Ps评分分别提高5.9、3.5、6.7和7.8分;不同起报时间线性回归订正的2011—2017年平均ACC技巧分别提高0.02、0.21、0.12和0.11;上述4种方法订正的MSSS评分均有了显著提高,其中系统偏差和线性回归订正后达正技巧。综合而言,线性回归订正较其他3种订正方法表现出更为稳定的订正技巧。 相似文献
8.
9.
10.
11.
气温、气压、相对湿度等气象因子对夏季用电负荷的影响非常显著。为了定量研究气象因子导致用电负荷的变化,本文将夏季用电负荷与当年4月及9月用电平均值之差定义为夏季空调负荷,并利用2014年1月到2016年12月南京市逐时气温、气压、相对湿度、水汽压、降雨量、风速、露点温度等气象资料,以及逐日逐时用电负荷数据资料,采用多元线性、K近邻法,决策树,bagging回归、随机森林等5种机器学习回归算法进行建模,并对其分别进行参数调优工作,进而得到空调负荷预测结果。结果表明:多元线性回归方法是5种回归算法里效果最差的一种,但通过增加特征量的种类和样本数,可以提高预测精度;随机森林回归算法是5种回归算法里效果最好的一种,较多元线性回归算法减小误差达44%,并且较好描述了空调负荷高值区的极端情况并减少了对于训练数据的过拟合现象。 相似文献
12.
利用2009-2012年北京市467例中暑病例与同期9个气象要素资料和当日及前期1-4 d累积平均气象要素共45个气象因子,采用相关分析法分析北京夏季中暑发病人数与气象因子之间的关系|采用多元线性回归和非线性拟合方法构建了改进的北京中暑气象预报模型,选取拟合优度较好的模型对中暑人数进行回代及预测检验,并与现用模型进行对比。结果表明:气温是引发北京夏季中暑的决定性因子|气温、水汽压、气压及降水的两日累积效应均高于当日效应,表明气象要素的连续累积作用对人体中暑影响较大|建立的中暑预报模型具有较好的历史拟合及预测效果,中暑等级划分较合理,对北京市中暑气象等级预报服务和公众有效防范中暑有实际的指导意义。 相似文献
13.
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. 相似文献
14.
Intercomparison and validation of snow albedo parameterization schemes in climate models 总被引:1,自引:0,他引:1
Snow albedo is known to be crucial for heat exchange at high latitudes and high altitudes, and is also an important parameter
in General Circulation Models (GCMs) because of its strong positive feedback properties. In this study, seven GCM snow albedo
schemes and a multiple linear regression model were intercompared and validated against 59 years of in situ data from Svalbard,
the French Alps and six stations in the former Soviet Union. For each site, the significant meteorological parameters for
modeling the snow albedo were identified by constructing the 95% confidence intervals. The significant parameters were found
to be: temperature, snow depth, positive degree day and a dummy of snow depth, and the multiple linear regression model was
constructed to include these. Overall, the intercomparison showed that the modeled snow albedo varied more than the observed
albedo for all models, and that the albedo was often underestimated. In addition, for several of the models, the snow albedo
decreased at a faster rate or by a greater magnitude during the winter snow metamorphosis than the observed albedo. Both the
temperature dependent schemes and the prognostic schemes showed shortcomings. 相似文献
15.
Seasonal climate prediction for South America with FSU Multi-model Synthetic Superensemble algorithm 总被引:1,自引:0,他引:1
Rosane R. Chaves A. K. Mitra T. N. Krishnamurti 《Meteorology and Atmospheric Physics》2005,89(1-4):37-56
Summary Objective combination schemes of predictions from different models have been applied to seasonal climate forecasts. These schemes are successful in producing a deterministic forecast superior to individual member models and better than the multi-model ensemble mean forecast. Recently, a variant of the conventional superensemble formulation was created to improve skills for seasonal climate forecasts, the Florida State University (FSU) Synthetic Superensemble. The idea of the synthetic algorithm is to generate a new data set from the predicted multimodel datasets for multiple linear regression. The synthetic data is created from the original dataset by finding a consistent spatial pattern between the observed analysis and the forecast data set. This procedure is a multiple linear regression problem in EOF space. The main contribution this paper is to discuss the feasibility of seasonal prediction based on the synthetic superensemble approach and to demonstrate that the use of this method in coupled models dataset can reduce the errors of seasonal climate forecasts over South America. In this study, a suite of FSU coupled atmospheric oceanic models was used. In evaluation the results from the FSU synthetic superensemble demonstrate greater skill for most of the variables tested here. The forecast produced by the proposed method out performs other conventional forecasts. These results suggest that the methodology and database employed are able to improve seasonal climate prediction over South America when compared to the use of single climate models or from the conventional ensemble averaging. The results show that anomalous conditions simulated over South America are reasonably realistic. The negative (positive) precipitation anomalies for the summer monsoon season of 1997/98 (2001/02) were predicted by Synthetic Superensemble formulation quite well. In summary, the forecast produced by the Synthetic Superensemble approach outperforms the other conventional forecasts. 相似文献
16.
17.
18.
基于多模式集合方案的中国东部夏季降水概率季度预测 总被引:4,自引:3,他引:1
借助ENSEMBLES计划提供的5个海-气耦合模式(CGCM)的多初值后报降水资料,采用常用的4种多模式集合方案,即等权集合(EE)、对单个集合成员先订正再等权集合(Cali-EE)、基于多元线性回归的集合方案(MLR)、基于贝叶斯统计学的集合方案(Bayes),制作1960—2005年中国东部夏季降水概率密度函数(PDF)季度预测。在此基础上,比较最优(技巧最高)集合方案与气候学预测(衡量概率密度函数预测是否有技巧的基准)的技巧,初步评估目前基于多模式集合方案的、中国东部夏季降水的概率密度函数季度预测能力。结果表明,Bayes方案在华南最优,Cali-EE在长江流域、江淮流域以及中国北方的中部最优,MLR在中国北方的东部最优;基于这些最优集合方案的概率密度函数预测产品均具有高校准度,且其锐度高于或接近气候学预测;并且,对于所有区域,最优集合方案的预测技巧总是高于气候学预测,这暗示即使不提取模式其他变量中所包含的预测信息,对于中国东部夏季降水季度预测,常用的多模式集合方案也已具备制作有技巧的概率密度函数预测产品的能力。 相似文献