共查询到20条相似文献，搜索用时 265 毫秒
1.
利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。 相似文献
2.
3.
利用2010—2017年逐日雾观测数据、地面常规气象资料、NCEP/NCAR 1°×1°再分析资料和ECMWF细网格模式预报资料,采用统计法分析了浙江省中西部地区(27°N—30.0°N,118°E—121°E)雾日的时空分布特征,再通过相关性检验精选出物理因子,用逐步回归法建立雾的潜势预报模型。结果表明:(1)雾出现频率最高的区域是山区,时段是11月至次年4月、夜间至次日10:00;(2)通过精选的预报因子和提取的消空指标,确定的浙江省中西部地区冬半年雾日预报的多元回归方程,与实况拟合率为80.8%,回报检验的正确率、空报率、漏报率和TS评分分别为86.4%、39.0%、32.0%和0.47;(3)基于ECMWF细网格模式预报产品,每天可自动生成逐3 h雾预报产品并投入业务应用。 相似文献
4.
为介绍和推广时间序列分析的新模型及其应用,安徽省气象台和中央气象局科学研究院天气气候研究所联合举办的“时间序列分析及其气象应用”讨论班1981年10月8日至22日在安徽青阳举行。讨论班邀请了中国科学院应用数学研究所、系统科学研究所、安徽大学数学系、天气气候所和安徽省气象台的同志讲授了如下方面的内容: (1) 随机序列和统计估计的基础知识;(2) ARMA(自回归滑动平均)模型及其识别和参数估计;(3) 动态系统的建模;(4) 非平稳序列;(5)时间序列预报;(6) 多维时间序列和Akaike准则;(7)门限自回归模型;(8) 气象实例。这些内容反映了时间序列分析在七十年代的最新进展。 相似文献
5.
回归分析是气象统计预报中应用十分广泛的一种定量预报方法,农MOS(模式输出统计)预报中应用很多。由一定的样本资料建立的回归方程,有的方程的预报效果与拟合效果差异不大,有的方程的预报效果显著低于拟合效果。回归方程预报效果的这种改变情况,称为回归方程的预报稳定性。一个回归方程,如果预报效果与拟合效果差异 相似文献
6.
逐步回归计算方法是求多元回归方程的一种有效方法。它是按照一定的显著水平F_a,从大量的预报因子(自变量)中逐步地挑选对预报量(因变量)有显著影响的,即使对观测数据拟合较好的几个建立回归方程,用于预报未来。但F_a究竟取多大为好?取大了,得到的回归方程含因子个数少,拟合率不高;取小了,得到的回归方程含因子个数太多,往往预报效果不佳。因此在组建逐步回归方程时,经常对同一个问题选取几个F_a值,从而得到几个可供选用的方程。但仍然没有较好的办法确定使用哪一个方程好。 相似文献
7.
8.
一、引言 回归分析在长期天气预报中应用十分广泛。逐步回归是回归分析中效果较好的方法之一,逐步回归可以避免引入强相关变量所导致的求解的困难。 在长期天气预报中经常要同时制做P个站点的预报(即:多个预报量y_1、y_2…y_p),采用相同的M个预报候选因子(即:M个预报因子X_1、X_2…X_M)。对每一个预报量y_i可以分别应用逐步回归来筛选这M个因子建立预报方程: 相似文献
9.
一、引言在长期天气统计预报中,如何选出预测能力较强的预报因子是一个非常重要的问题。逐步回归方法实质上是一种选取因子的方法,但是在实际使用中有不足之处:(1)有时控制选入因子的F_1或剔除因子的F_2稍有变动,其选取的因子就会出现较大的变化,似乎没有一个客观标准,最终还是靠主观判断来选择回归方程。(2)逐步回归方程主要考虑拟合的好坏,而拟合的好坏不能完全反映预测能力。为了克服上述不足之处,提高方程预报能力,本文采用了预测平方和PRESS准则来选取预报因子,在合理选择预报因子上作一些初步尝试。 相似文献
10.
根据2016年6—9月夏玉米生长季的气候资料和齐河国家气象观测站的同期观测资料,分析不同天空状况下农田的气温变化特征,利用相关和多元线性回归方法,研究农田最低、最高气温与观测站各要素的关系并建立高低温预报方程。结果表明:(1)农田温度有明显日变化,晴天最为明显,阴天最为平缓,05:00—06:00(北京时,下同)气温最低,15:00气温最高,农田与观测站温差绝对值晴天最大,14:00—15:00差值绝对值最大达2.1℃;(2)农田气温与各预报要素的相关程度受天空状况影响,主要影响因子为观测站当天和前一天最低、最高及平均气温等,农田最低气温与观测站当天最低气温相关系数为0.956~0.994,农田最高气温与观测站当天最高气温相关系数为0.825~0.981;(3)构建的预报方程通过了显著性检验,最低、最高气温预报方程的拟合程度均较高,夏玉米拔节后期—成熟期阴天时最低气温预报效果最好,平均相对误差为0.4%,平均绝对误差和均方根误差均为0.1℃。 相似文献
11.
12.
利用2013年8月至2017年12月陕西高速公路交通气象站的路面温度、气温、相对湿度、风速等资料和全球大气再分析资料云量数据,分析四季不同天空状况下路面温度的分布特征,研究路面温度与气象因子的关系,建立多元回归方程。结果表明:四季路面温度有明显的日变化规律,雪后,00:00—08:00为路面结冰较易发生时段;气温是影响路面温度变化的最重要因子之一;对比路面温度实测值与预报值,回归模型对冬季路面最低温度的拟合效果较优,相关系数在0.94以上,标准差小于1,误差在±2℃的频率为98%。此外,模型对路面0℃低温预报水平较高。 相似文献
13.
《广东气象》2018,(6)
对开平市2013年1月1日—2017年12月31日的常规地面气象观测资料和2013年1月1日—2018年1月31日的碉楼景区游客数据进行了统计,选取舒适度指数、日雨量、日照时数、极大风速和最高气温作为因子建立开平碉楼景区的旅游气象指数预报方程,再根据试预报情况对方程进行检验,确定旅游气象指数。结果表明:(1) 4和10月是开平碉楼景区旅游的最佳时间;(2)降雨和风速过大均会给游客出行带来较大负面影响;(3)日照时数和最高气温在不同季节对游客的影响存在差异。运用预报方程计算出的旅游气象指数与景区实际游客人数相关性强,基本接近实际情况,预报效果良好,能较好地为开平碉楼景区的游客服务。 相似文献
14.
本文所介绍的一致拟合率法,是在吸收了0、1权重回归和权重集成等统计学方法优点的基础上而引入的一种新方法。该法解决了同商值(不同比)因子应配有不同权重的问题;并采用计算单(或组合)因子可靠度大小来引入因子,组建0、1化一致拟合率方程,收到类似回归的预报效果。通过在 MOS、PP 法和经典统计预报中检验和使用,证明用一致拟合率法比0,1权重回归法所建方程的试报准确率平均高8—20%。 相似文献
15.
16.
基于遗传优化BP神经网络的水稻气象产量预报模型 总被引：9，自引：4，他引：5
利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。 相似文献
17.
在气象台站的日常预报工作中,经常用线性回归方法求综合几个预报因子对预报量的影响,而得到一个预报方程。随着考虑的预报因子个数的增多,如果没有一定的计算工具,作出一个预报方程往往不是容易的事,倒不如采用几条简单的预报规则去报更为方便一些。关于这个问题,1974年《气象科技资料》第6期所载施能《若干统计预报方法 相似文献
18.
该文通过对三都县３７年（１９６０～１９９６的）气象资料进行分析发现，倒春寒共出现４２次，其中３月上旬１９次，中旬１４次，下旬９次，４月无发生。经普查选取预报因子，建立倒春寒预报方程，拟合率为７５％，采用指标法对３月中，下旬出现的倒春寒进行预报，效果较好，采用１４时压，温，湿曲线图建立倒春寒开始期预报模式，拟合率为６２％。 相似文献
19.
利用郑州市 1 996～ 1 998年 5～ 8月的历史气象资料 ,选取低云日际变化量、降水日际变化和风向日际变化为预报因子 ,建立了 5～ 8月最高气温日变化量多元回归预报方程。根据预报日前 1天实况和预报日的预报量 ,利用方程可求出最高气温日变化量 相似文献