共查询到20条相似文献，搜索用时 31 毫秒
1.
广东开汛日期的多尺度物理统计预测模型 总被引：3，自引：0，他引：3
采用小波分析、Lanczos滤波器、相关分析、最优子集回归和交叉检验等方法,研究了广东开汛日期的多尺度变化特征及其与全球不同地区前期海温场、500hPa高度场的关系,建立了广东开汛日期的多尺度最优子集回归预测模型并进行了检验。结果表明,广东开汛日期存在显著的准6年和较明显的准17年周期振荡。广东开汛日期在年际和年代际变化尺度上与前冬海温场和500hPa高度场上共有20个显著相关区域,分别取对应时间尺度上显著相关区域的平均值作为预报因子,对相应时间尺度的广东开汛日期做最优子集回归,建立了相应的预测模型,以年际和年代际尺度上的预测值之和为广东开汛日期的预测值。所建立的预测模型具有较好的拟合效果,其中拟合值与实况值相差在5天以内的事件命中率为41.5%,10天以内的为60.4%。1951—2010年的交叉检验结果表明,广东开汛日期预测值和实况值之间的相关系数为0.33,通过了α=0.01的显著性水平检验。预测值与实况值相差在5天以内的事件命中率为26.7%,10天以内的为45.0%,因此,所建立的多尺度最优子集回归预测模型对广东开汛日期具有较好的预测能力。 相似文献
2.
《高原气象》2012,31(3)
采用小波分析、Lanczos滤波器、相关分析、最优子集回归和交叉检验等方法,研究了广东开汛日期的多尺度变化特征及其与全球不同地区前期海温场、500hPa高度场的关系,建立了广东开汛日期的多尺度最优子集回归预测模型并进行了检验。结果表明,广东开汛日期存在显著的准6年和较明显的准17年周期振荡。广东开汛日期在年际和年代际变化尺度上与前冬海温场和500hPa高度场上共有20个显著相关区域,分别取对应时间尺度上显著相关区域的平均值作为预报因子,对相应时间尺度的广东开汛日期做最优子集回归,建立了相应的预测模型,以年际和年代际尺度上的预测值之和为广东开汛日期的预测值。所建立的预测模型具有较好的拟合效果,其中拟合值与实况值相差在5天以内的事件命中率为41．5％,i0天以内的为60．4％。1951-2010年的交叉检验结果表明,广东开汛日期预测值和实况值之间的相关系数为0．33,通过了α-0．Ol的显著性水平检验。预测值与实况值相差在5天以内的事件命中率为26．7％,10天以内的为45．0％,因此,所建立的多尺度最优子集回归预测模型对广东开汛日期具有较好的预测能力。 相似文献
3.
基于前期ERA5逐月再分析数据, 应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集, 通过交叉验证和超参数调优建立初霜冻日期预测模型, 利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明: 特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性; Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d), 神经网络模型在5月起报性能最好(RMSE为6—9 d), 随机森林模型在3月起报性能最好(RMSE为8—9 d); 辽宁全省大部分站点距平同号率为50%—70%, 其中Lasso回归和神经网络模型为5月起报最高(约为68%), 随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现, 低植被覆盖比例是初霜冻日期预测关键预测因子, 植被覆盖率越高越有利于地表含水量保持, 降温容易产生霜冻, 初霜冻日期也就越易提前, 去掉低植被覆盖比例因子后模型预测效果显著下降, 也表明该因子是模型建模的前期关键因子。 相似文献
4.
《干旱气象》2016,(3)
对1980—2014年的NCEP/NCAR 3个层次(200 h Pa、500 h Pa和700 h Pa)多个要素场逐日格点资料进行Butterworth带通滤波,保留周期为30~60 d的低频信号,通过周期分析、双评分标准筛选和最优子集回归方法对2011—2014年全球6—8月各要素场预报日前150 d的低频数据进行逐日外延(至未来30 d)。在此基础上,通过逐步相似过滤方法对西北地区中西部44个台站2011—2012年夏季降水进行10~30 d的预报及效果检验。结果表明:(1)对低频要素场的拟合准确度随预报时效增长逐步降低,后期趋于稳定;且各层次各低频要素相应的大部分关键区通过0.05显著性水平检验;(2)当相似个例中降水个例数≥3时预报当日有降水,其对应的Cs评分最高,44个台站的Cs评分均值为0.585,且Cs评分整体高于气候概率值。因此,利用该预报方法进行降水预报是可行的,可用于实际业务中。 相似文献
5.
东营市短期气候预测系统设计及应用 总被引：1，自引：0，他引：1
东营市短期气候预测系统使用逐步回归、最优子集回归、BP人工神经元网络和多因子EOF迭代4种因子预报模型,以及3个以均生函数为基函数的多步预测模型,并通过集成得出预报结论。因子普查时,采用滚动式相关分析方法,保证了入选因子的稳定性。 相似文献
6.
7.
本文采用ECMWF北半球500 hPa高度、850 hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好. 相似文献
8.
本文采用ECMWF北半球500hPa高度、850hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好。 相似文献
9.
《高原气象》2021,40(4):737-746
针对青藏高原南部汛期降水预测研究少和预测难度大的问题,通过分析1981-2010年青藏高原南部汛期降水与国家气候中心发布的88项大气环流指数、26项海温指数和16项其他指数年际增量的相关性,采用逐步回归法筛选出与降水相关的最优预测因子组合,在此基础上建立了高原南部汛期降水年际增量与预测因子的物理统计预测模型,并对2011-2019年的汛期降水进行了独立样本回报检验。结果表明,该模型的预测准确率很高,降水年际增量和距平同号率均达到7/9,距平百分率均方根误差为13%,降水相对误差在±15%以内的年份占比高达8/9。可见,该模型能够提高高原南部汛期降水预测能力。最后,利用NCEP/NCAR再分析月平均资料和NOAA海表温度月平均资料研究了预测因子影响高原南部汛期降水的物理机制。 相似文献
10.
广西春播期降水量预报方法研究 总被引：1，自引：1，他引：0
对广西春播期降水量序列利用３种时间序列分析法,通过相关系数与符号相关结合选取因子,建立了６种回归方程,试报结果表明：多因子场序相关相拟法有较可信的结果;在逐步回归预测方法中,多因子逐步回归优于单因子场逐步回归;集成预报的结果明显好于单一方法的结果。而在组合计算预报因子中,用５００ｈＰａ高度场、海平面气正场的滑动块状平均场作为基本因子,不仅符合降水发生所应具有的天气形势的系统性和稳定性,给自动化编程 相似文献
11.
灾害性长期天气的转折期是短期气候变化中引人关注的重要问题 .众所周知 ,异常的大气环流会导致异常短期灾害性 (旱涝 )气候 ,因此根据前期月、季尺度的环流物理因子 ,可进行预测 .但灾害性短期气候的转折期 ,如梅雨的暴发、四川盆地夏旱的结束 ,往往发生在较月更短的时间尺度里 .为了反映环流月内时间尺度的变化特征 ,我们从 50 0 h Pa月平均高度场中选取欧亚地区与四川夏旱有关的环流区 ,分析其候际变化的特点 ,用切比雪夫多项系数将其主要演变特征定量化 ,用最优子集回归、逐步回归模式来分别研制夏旱结束期的预报 ,并将历史预报效果及… 相似文献
12.
基于1983—2012年国家气候中心第2代月动力延伸模式 (DERF2.0) 回报资料和春播历史资料,结合NCEP/NCAR再分析资料,选取影响长江中下游地区春播期气候条件的关键环流因子。利用最优子集回归方法建立针对长江中下游地区春播期气候条件的动力模式解释应用预测模型,并对不同起报时次的模式解释应用预测结果进行检验评估。检验结果表明:该解释应用方案对于长江中下游春播期气候条件有较好的预测能力,且随着起报时间的临近,预测技巧整体呈上升趋势。1983—2012年的回报检验还显示,解释应用方案能够较好地模拟出连续不利日数和不利日数的年际变率,同时对年代际变率也有所体现。 相似文献
13.
14.
通过相关系数选出预报因子,用逐步回归、最优子集回归、EOF降维逐步回归、神经网络等统计预报方法对预报对象进行逐年交叉检验以及实际预报检验,检测预报因子对原预报序列的预报能力。同时通过计算每种方法的平均绝对误差和实际预报检验的平均误差,客观地对各种预报方法进行既有纵向也有横向的较为全面的比较。 相似文献
15.
华南前汛期开始日期异常与大气环流和海温变化的关系 总被引：5，自引：1，他引：4
利用1961—2012年美国国家环境预报中心/大气研究中心(NCEP/NCAR)的再分析资料、NOAA海温资料,CMAP降水资料和华南261个测站降水观测资料,首先分析华南前汛期开始日期(以下简称华南开汛)异常的气候特征,然后采用相关分析、合成分析的方法研究华南开汛异常与3—4月大气环流以及海温变化的关系。结果表明,近52 a来华南开汛具有显著的年际变化特征,但变化趋势不明显。开汛最早出现在1983年3月1日,最晚出现在1963年6月1日,1961—2012年华南平均开汛日期是4月6日。华南开汛主要出现在3—4月,占92.3%。华南开汛与3—4月华南降水相关最显著,开汛偏早(晚),对应华南3—4月降水偏多(少)。华南开汛偏早年,在3—4月,对流层高层副热带西风急流偏强,中层西太平洋副热带高压偏强偏西、低层南支槽偏强,华南上空西南气流偏强;华南开汛偏晚年则相反。华南开汛与3—4月中国南海及周边地区海温显著相关,海温偏低(高)对应华南开汛偏晚(早)。华南开汛偏晚年的海温和大气环流异常比早年显著。 相似文献
16.
通过相关系数选出预报因子后,用逐步回归、最优子集回归、EOF降维逐步回归、神经网络等统计预报方法对预报对象进行逐年交叉检验以及实际预报检验,检测预报因子对原预报序列的预报能力。同时通过计算每种方法的平均绝对误差和实际预报检验的平均误差,客观地对各种预报方法进行既有纵向也有横向的较为全面的比较。 相似文献
17.
东亚夏季风强度的变化与中国雨带和旱涝分布密切相关。为了做好东亚夏季风强度的短期气候预测,采用小波分析、Lanczos滤波器、交叉检验等方法,研究了东亚夏季风强度的多尺度变化特征,在年际与年代际尺度上分别寻找了它在前冬海温场、200 hPa纬向风场上的前兆信号,并利用最优子集回归建立了东亚夏季风强度的多尺度统计物理预测模型。结果表明:东亚夏季风强度存在准4年、准13年和准43年的周期振荡。年际尺度上,前冬赤道东太平洋(10°N~10°S,160°W~80°W)海温与东亚夏季风强度有最强的显著负相关,且它与东亚夏季风强度在200 hPa纬向风场上的前兆信号有较强的负相关;年代际尺度上,南半球60°S与35°S附近200 hPa纬向风之差与东亚夏季风强度有最强的显著正相关,且它与东亚夏季风强度在热带印度洋、低纬度东南太平洋、低纬度南大西洋的海温及亚洲副热带200 hPa纬向风等前兆信号有强的正相关。通过探讨这两个前兆因子对东亚夏季风强度的预测意义,揭示了他们影响东亚夏季风强度年际和年代际变化的可能物理过程。所建立的东亚夏季风强度多尺度最优子集回归预测模型,不仅对东亚夏季风强度的年际变化具有较好的预测能力,而且对异常极值年份也具有一定的预测能力。 相似文献
18.
利用广西87个气象站6月月平均降水量及NCEP/NCAR再分析资料,通过普查1960—2021年广西6月月降水量年际增量与前期500 hPa位势高度场的相关性,选取影响广西6月降水异常相关性较高的前期预测因子,研究其主要影响机制,并采用模糊神经网络与熵度量相结合的方法构建月降水年际增量的集合预报模型,对预测模型进行1960—2013年的拟合检验和2014—2021年的独立样本预报检验。结果发现,该模型的预测准确率较高,独立样本的回报年份同号率为87.5%,拟合平均绝对误差为26.64 mm,拟合平均相对误差为9.06%,预报效果优于利用逐步回归方法构建的预测模型,而且模型性能比较稳定,具有较好的业务应用前景。 相似文献
19.
利用广东省86个气象台站近52年(1962—2013年)逐日降水量资料,统计了逐年各台站及全省开汛期(rain season onset date/RSOD),并对广东省开汛特征及其与前汛期降水的关系进行了分析。分析结果表明:(1)广东省开汛期多集中在3月下旬至4月中旬,最早和最迟开汛期相差94 d;(2)广东省东南大部、北部大部较中部大部和西南部开汛早,雷州半岛开汛最迟;(3)广东省开汛可分为突发型开汛和渐进型开汛两种类型;(4)广东省开汛期年(代)际变化特征明显,存在15～16 a的年代际振荡周期,1986年为年代振荡周期变化的转折点,前后分别存在8 a和5～6 a的年代振荡周期;(5)各台站开汛期与3月下旬及4月降水相关性最好,与5、6月及前汛期降水的相关性差;(6)广东开汛异常偏早(晚)年,其前冬500 hPa高度场存在明显差异。 相似文献
20.
《干旱气象》2015,(3)
通过分析1965~1999年西北东部汛期降水与相关物理量年际增量的相关性,筛选出可作为西北东部汛期降水的预测因子,并研究其影响该区域汛期降水的物理机制。在此基础上,采用多元线性回归方法建立了汛期降水年际增量与预测因子的物理统计预测模型,并对2000~2014年的汛期降水进行预测。结果表明,5月Nio3.4指数、1月北太平洋环流指数和西太副高强度指数、5月北半球极涡中心强度指数和东亚大槽强度指数的年际增量等5个变量可作为西北东部汛期降水的预测因子;该预测模型对2000~2014年汛期降水的预测准确率很高,预测与观测的汛期降水演变趋势非常一致,相对误差在±15%以内的有12 a,距平同号率达到10/15,距平均方根误差为15%,可用于西北东部汛期降水的预测,能够提高其预测水平。 相似文献