共查询到20条相似文献，搜索用时 62 毫秒
1.
在一般的事件概率回归估计予报方法中,所有可能预报因子都是线性的。可是,实际经验表明,仅仅考虑预报量与预报因子之间的线性关系往往还不能确切反映客观规律。因此,寻求非线性因子对于提高预报效果是有意义的。利用布尔结构可以给出对非线性的逻辑代数组合因子进行筛选的方法,我们称为逻辑组合因子的格筛选法。受这一思路启发,我们开展了非线性事件概率回归估计的试验,效果比通常的事件概率回归好。 相似文献
2.
在城市空气污染预报模型中, 精心挑选的因子具有较好的预报性能, 但是因子的优良性能并非始终不变, 而有时个别因子的不良表现往往可能导致预报的失败。根据集对分析 (SPA) 把不确定性和确定性作为一个动态的同异反系统处理的思想, 动态地分析和处理每次预报中因子作用的变化, 即每次预报前, 先对因子进行态势判别和同异反分析, 然后使可能干扰预报的弱势因子的作用受到有效抑制, 使有助于预报的强势因子的作用得到充分发挥, 从而实现了因子作用大小在各次预报中的动态变化, 取得了较为满意的效果。在预报模型中增加不确定性处理有助于提高预报准确率。 相似文献
3.
不确定性理论集对分析在预报模型建立中的应用研究 总被引：9，自引：0，他引：9
文中应用集对分析原理 ,在模型每次作出预报结论之前先对各预报因子的预报能力进行分析和判断 ,对一些预报能力不强 ,甚至可能干扰预报模型作出正确预报结论的所谓弱势因子 ,进行抑制、甚至消除其影响 ,而让其他预报能力较强的因子来决定预报结论。在每次预报中 ,模型中哪个因子为弱势是不固定的 ,而是随着预报环境的变化而变化 ,也就是说 ,随着环境的变化 ,会有不同因子的作用被抑制或取消 ,从而实现预报模型的因子结构动态优化 ,增强了模型预报机制的合理性 ,提高了模型的预报能力。大量的试验、多年的业务试用以及在数值预报产品释用中的应用例子表明 ,这一方法具有较好的效果。 相似文献
4.
5.
热带气旋登陆华东的客观预报方案 总被引：7，自引：2，他引：7
热带所旋登陆华东属小概率事件。构造适当划分区间的阶梯函数能较好地反映登陆事件条件概率的非线性分布。应用阶梯函数变换的因子对登陆事件概率的预报性能优于线性相关的标准化因子。预报方案应用阶梯函数变换因子，通过非线性相关比筛选和REEP分析构造热带气旋登陆华东的预报模式。应用初始场资料与数值预报产品分别构造了统计－天气学、统计－气候学和统计－动力学的分类预报模式。应用分类预报模式的预报结果进行综合的预报集成提高了预报技巧。预报检验与试验表明本方案对热带气旋登陆华东具有一定的预报能力。 相似文献
6.
宝丰县汛期长期天气预报趋势 总被引：1，自引：0，他引：1
根据本站历史资料，从可能与汛期降水量、平均气温密切相关的气象要素中筛选预报因子，建立预报方程，制作预报。１ 预报因子 对气压、气温、相对湿度、水汽压等气象要素进行逐时段计算，形成预报因子数据文件。 以预报因子与预报对象的相关系数为判据，从预报因子中筛选出与预报对象密切相关的预报因子。２ 预报方程及效果检验 选取宝丰县１９７１年至１９９９年６～８月降水量和平均气温为预报对象，以１９９９年４月３０日以前的气象资料为预报因子，建立预报方程。２．１ 降水量预报方程及准确率 Ｒ６、８＝一 １８１８４．７２－８．３… 相似文献
7.
根据本站历史资料,从可能与汛期降水量、平均气温密切相关的气象要素中筛选预报因子,建立预报方程,制作预报. 1预报因子 对气压、气温、相对湿度、水汽压等气象要素进行逐时段计算,形成预报因子数据文件. 相似文献
8.
基于误差平方和最小化准则的BP神经网络(ANN-MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN-CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003-2008年的ECMWF预报场资料,把该法用于福建省南平市4-6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN-CE预报模型和ANN-MSE预报模型,用这些模型对2009-2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN-CE预报模型的TS评分和漏报率分别是0.51和0.17,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法. 相似文献
9.
10.
无论是经典统计预报方法还是动力一统计预报(MOS,PPM等)方法,筛选预报因子都是一个重要步骤。下面是用PC-1500袖珍计算机筛选预报因子的几种方案。这几种方案,在输入预报量的观测值及筛选因子的标准后,只要将待选的各个可能预报因子的观测值依次输入,即可初选出符合指定标准的预报因子,并可给出供进一步筛选因子和建立预报方程的有关统计结果。 相似文献
11.
宜昌市夏委降水分片概率预报方法 总被引：1，自引：0，他引：1
预报因子的取值范围分别与各片代表站的降水事件一一对应,再根据对应结果,将预报因子分成若干“节”,针对某“节”出现降水的次数,求出其频数。经过如此处理后,将每日预报因子（原始数据）换算成所对应的与预报量有关的概率值,再用事件概率回归估计（ＲＥＥＰ）法建立概率预报方程。试运行结果表明,所建立的方程能够很好地预测各片的降水概率。 相似文献
12.
基于对MM5模式输出产品的解释应用,建立了站点定量的暴雨MOS预报方法。从临沂中尺度数值预报模式产品中挑选x1（模式预报降水）,…,x12（沙氏指数）等12个模式产品和物理诊断因子为基本可能预报因子,又添加它们自身的非线性型xi^2xi^3,xi^1/2,1nxi,e^xi（i=1,…,12）和各因子间非线性交互作xixj（i=1,…,11,j=i＋1,…,12）型的126个可能预报因子。用非线性逐步判别做晴、雨二级判别,然后对雨型样本做逐步回归,得到暴雨的MOS预报方法。检验结果表明：该模型对暴雨有较强的预报能力,可应用于实际预报业务中。 相似文献
13.
预报因子的取值范围分别与各片代表站的降水事件一一对应,再根据对应结果,将预报因子分成若干"节",针对某"节"出现降水的次数,求出其频数.经过如此处理后,将每日预报因子(原始数据)换算成所对应的与预报量有关的概率值,再用事件概率回归估计(REEP)法建立概率预报方程.试运行结果表明,所建立的方程能够很好地预测各片的降水概率. 相似文献
14.
利用1979—2010年我国冬季522个站点的日平均温度资料,使用基于尺度分离的多元线性回归方法建立预报模型,对我国冬季的持续低温事件的预报做了一定的尝试。将温度按照一定的方法进行尺度分离,分解出年际、月、季节内尺度温度,对各个部分分别进行拟合再相加。挑选特定海区的海温、北极海冰作为年际尺度温度预测因子,多个低频气象场作为季节内温度预测因子,利用1979—2003年资料拟合出各因子回归系数。用重构的冬季温度挑选出持续低温事件并与实际的事件进行对比检验,计算出此方法的TS评分为0.57,再利用2008年初我国南方大范围的持续低温事件检验拟合结果。检验结果表明基于时间尺度分离的多元线性回归方法在持续低温事件的预报中有一定的参考意义。 相似文献
15.
动力气候模式的数值预报产品为局地气候要素的预报提供了一种全新的方法。首先利用ＮＣＥＴ／ＮＣＡＲ再分析资料中的５００ｈＰａ高度对黑龙江省６月发生的气温异常进行诊断分析,对影响的环流形势进行分型,并选取强信号区确定预报因子;在此基础上,利用Ｔ６３动力延伸预报产品进行旬平均气温的相似预报。经实践证明,Ｔ６３动力延伸预报产品在气温异常事件的预报中有一定的应用价值。 相似文献
16.
八十年代中期,地级气象台对各种天气事件的预报自动化程度不高,人为性很大。本文结合当时气象台配备的硬件条件,分析了历年本地大风冰雹这种小概率事件的个例,从资料到接收,产品计算、因子确定、方程建立,到预报结论输出,建立了一套自动化程度较高的大风冰雹预报报系统,对本地气象现代化的发展奠定了良好的基础。 相似文献
17.
众所周知,气象学上许多问题都带有事件的随机性和模糊性,如“在某种条件下,出现暴雨的概率是多少?”这个问题具有双重的不确定性,其一是在规定条件下到底出现多大的降水量不能确定,这是事件的随机性,其二是多大的降水量算暴雨也不明确,这是事件的模糊性,因此对于这样的问题采用模糊随机事件的概率理论来处理可能有其优越性,为此我们用模糊随机事件概率的理论,从日本传真图上的降水量预告值作为预报因子,对作汛期(5—6月)单站24小时降水概率预报作了尝试。 相似文献
18.
使用一个动力海洋与统计大气耦合的热带太平洋模式,对２０ 世纪９０ 年代的厄尔尼诺事件进行了数值模拟和预报。结果表明,模式能较好地再现３ 次暖事件的发展和演化过程,也能模拟１９９５／１９９６ 年的冷海温过程。预报试验的结果指出,２０ 世纪 ９０ 年代发生的厄尔尼诺事件具有其特殊性,很难在发展阶段作出准确预报,而一旦形成后,模式仍可对这类事件的成熟位相阶段作出大致提前 ６ 个月的有效预报。文中还用该模式对 １９９７ 年的热带太平洋海表温度作了预报试验,预测 １９９７ 年年底可能发生一次新的厄尔尼诺事件。关键词：２０ 世纪９０ 年代厄尔尼诺,简单海气耦合模式,预报试验。 相似文献
19.
许多用于评价离散变量的分级预报的技术评分在某些事件的常值预报比其他事件的常值预报得到更高得分的意义上来说是不公平的。不公平技术评分可能鼓励预报员以其他事件为代价而偏爱于某些事件,因而作出具有系统性偏畸的或不良特性的预报。 相似文献
20.
利用2003—2005年4—9月国家气象中心T213的数值预报产品,通过动力诊断,从大量数值预报因子中提取不同层次、不同时效与降水关系较好的多个因子,使用K最邻近域（KNN）方法,制作不同代表站点的晴雨预报和大于或等于10 mm的降水预报试验。在搜索K邻近域的过程中,考虑天气事件出现的概率不同,而分别求取有天气事件的正样本K+值和无天气事件的负样本K-值,使该方法选择的最邻近域中的K值取得更为合理。利用交叉验证的方法,对历史资料依次选取部分样本作为预报测试集,通过预测结果的检验评分,选取获得最大准确率和最大概括率的K+和K-作为最佳邻近域的组合。确定了最优K值后,反算历史样本,通过比较,得到某站出现降水天气事件的预报判别值,在一定程度上减少了预报的空报率。经过对2006年4—9月的预报试验,改进后的KNN方法使24,48 h的晴雨预报和大于或等于10 mm降水预报的TS评分大多数高于未改进前的,也高于T213模式本身的降水预报和MOS方法动力统计释用的降水预报,特别是克服了模式降水预报和MOS方法预报中空报率较高的现象,达到了较好的预报效果。 相似文献