共查询到19条相似文献，搜索用时 218 毫秒
1.
气候资料缺测插补方法的对比研究 总被引：3，自引：0，他引：3
采用均生函数正交筛选（ＭＧＦ）和一维车贝雪夫多项式展开（ＣＰ）进行了年降水量各种缺测情况下资料的插补试验，并计算各种统计量，结果表明：无论何种缺测ＭＧＦ法拟合或插补精度一般高于ＣＰ法，尤其对连续多年缺测和序列一开始便连续缺测更为明显；同一种方法１ａ缺测拟会精度高于多年缺测，连续４—５ａ缺测但在序列中处于不同的位置拟合结果差别不大，但多段同时缺测拟合精度低于一段缺测. 相似文献
2.
用车贝雪夫多项式做时间序列预报的一种改进方案 总被引：2，自引：0，他引：2
为提高预报准确率，本文对作者以前提出的时间序列预报方法，提出了一种改进方案。这一方案的要点是:1）在计算理想初值的预报时，针对不同情况选择不同的迭代次数；2）在通过迭代终值计算预报时，对不同情况使用不同的拟合误差平均值；3）当拟合误差的符号难以确定时，直接取迭代终值作为预报值。实例计算表明， 新的方案有利于提高预报准确率。 相似文献
3.
4.
日气温数据缺测的插补方法试验与误差分析 总被引：6，自引：1，他引：5
对缺测气象观测记录进行插补是建立连续气象数据集的基础.将孤立1日或数日缺测资料进行插补的线性回归模型法应用于连续缺测数月的逐日最高、最低和平均气温的插补,并进行了一系列改进,包括:(1)用滑动选优法确定邻近参考气象站站数和数据样本时间窗的最佳值;(2)在记录缺测站与邻近参考站之间建立逐日气温的线性回归模型,并选取以最小绝对误差(Least Absolute Deviation,LAD)为目标函数求取模型参数的方法,取代以最小均方根误差为目标函数的最小二乘法(Least Squares Estimate,LAD)求解模型参数的方法,可提高计算效率和参数的稳定性;(3)进一步提出将LAD法与DeGaetano标准化序列法插补结果平均的综合插补方法,以减少极端误差.通过对湖北蔡甸气象站1961-2006年插补试验表明:(1)以4个邻近站和年数为8年、日数为15天时间窗的样本资料建模进行插补误差达到最小;(2)逐日最高、最低和平均气温的平均绝对误差分别为0.32℃、0.45℃、0.28℃,误差在±0.8℃以内的频次分别占总数的94.1%、84.8%、96.1%,观测值与插补值月相关系数在0.886以上.插补与观测资料平均值和相关系数分别通过了显著水平为0.05和0.01的检验. 相似文献
5.
基于PC-CCA方法的气象场资料插补试验 总被引：9，自引：3，他引：6
引入主成分典型相关分析（ＰＣ－ＣＣＡ）方法建立缺测气象要素场序列的插补模式,对区域性气象场序列（以长江流域月气温距平场为例）各种时空缺测分布型态作插补试验。结果表明,当插补场站网分布型取包含子场在内的混合站网时,建模样本量达２５年就可有最优插补精度,且性能稳定,效果优良。尤其当距平符号单一且大尺度分量占优势时,插补精度随缺测场变化很小 相似文献
6.
气象场序列几种插补方案的对比试验 总被引：1，自引：0，他引：1
采用基于 Ｅ Ｏ Ｆ Ｓ的主分量回归（ Ｐ Ｃ Ｒ）、 Ｅ Ｏ Ｆ Ｓ迭代法（ Ｉ Ｅ Ｏ Ｆ）和基于主分量典型相关的典型变量回归（ Ｃ Ｖ Ｒ）３ 种不同的统计插补计算方案,对同一区域同一种气象要素序列进行缺测资料的插补试验。结果表明,各种方案插补精度都与参数选择有关,无论缺测站点空间分布类型如何,当缺测点数小于 ６０ ％ 时,３ 种方案均有较好效果,以 Ｃ Ｖ Ｒ 最佳,且随缺测年数增长, Ｃ Ｖ Ｒ 优势更显著。 相似文献
7.
引入主成分典型相关分析(PC-CCA)方法建立缺测气象要素场序列的插补模式,对区域性气象场序列（以长江流域月气温距平场为例）各种时空缺测分布型态作插补试验。结果表明,当插补场站网分布型取包含子场在内的混合站网时,建模样本量达25年就可有最优插补精度,且性能稳定,效果优良。尤其当距平符号单一且大尺度分量占优势时,插补精度随缺测场变化很小。 相似文献
8.
上海地区最高气温资料的恢复试验 总被引：3，自引：0，他引：3
对上海最高气温1924～2001年期间的缺测资料进行了恢复试验,以期通过该个例的研究,探讨我国台站历史资料集中缺测或中断序列的恢复、插补的一般方法.选取使用上海气象观测站的相邻若干台站的最高气温资料,分别用回归分析法、判别分析法和偏最小二乘法,对上海站相应期间缺测资料进行逐年逐月的恢复,并利用交叉检验的均方误差作为恢复效果的评判.结果发现对缺测资料恢复的总效果以偏最小二乘法为最好,因此选用该方法作为资料恢复的主要方法.恢复过程为每次仅恢复某月份、某测站、某年份的缺测资料,恢复后的估计值作为观测值使用,再进行其它缺测资料恢复的新资料集,如此反复地进行,以近期资料开始,逐步向前期资料延拓.这样做的目的是为了使得和后续的观测资料直接连接. 相似文献
9.
北京降水缺测资料恢复的研究 总被引：2，自引：1，他引：2
利用１９４１－１９８０年北京降水量资料进行了缺测降水量资料恢复的研究，并单月序列使用非线性函数作降水量正态化的变换，然后用预测残差最小逐步回归及对多月序列使用各月降水量变换序列，各月降水量变换序列与各月气温混合序列为因子作缺测资料恢复和用各月缺测资料前后实测资料作简单内插恢复等三种方案进行试验结果表明，以降水和气温作混合因子使用残差最小逐步回归模型有最好的可性。还使用该方案对１８４１－１９５０年缺 相似文献
10.
以西安观测站1971—2013年日平均气温、最高气温和最低气温序列为研究对象,利用标准序列法和多元线性回归法进行插补实验,计算插补值与实测值的平均误差、平均绝对误差、均方根误差和插补值与实测值误差在0.5℃以内的样本比例,对比分析两种插值方法的相对优劣。结果表明：多元线性回归法插补得到的气温序列效果好于标准序列法,并且气候趋势特征与实际观测值序列更具一致性。采用t检验法、惩罚最大T检验（PMTT）、惩罚最大F检验（PMFT）对西安站1951—2020年平均气温序列的均一性进行检验。依据台站历史沿革数据进行的t检验,在6次台站历史沿革变化中,只有2次造成了年平均气温和年平均最高气温序列间断,分别由观测时次增加和仪器换型导致;年平均最低气温有4次出现间断,分别由台站站址迁移、观测时次增加、仪器换型、缺测值插补造成。PMTT和PMFT检测中发现的4次间断点因无元数据支持,认为属于合理间断点,这2种方法均未检测出因缺测值插补引起的间断点,一定程度上说明采用多元线性回归法对缺测值插补得到的西安站1951—2020年气温序列相对合理,气温序列的均一性较好。 相似文献
11.
12.
文中基于数字高程模型,建立了多元线性回归插值模型(MLR)和PRISM空间插值方法,并与传统的反距离权重法(IDW)和普通克里金插值法(OK)进行比较.结果表明:1)江西省5月、7—10月降水量与海拔高度存在显著的相关性,与坡度、坡向无明显相关.2)从插值精度来看,3—9月PRISM和MLR空间插值精度明显优于IDW和OK,冬半年IDW和OK插值精度略高于MLR和PRISM;4种插值方法的年降水量插值精度排序为PRISM>MLR>OK>IDW;PRISM和MLR在高海拔地区的插值精度远高于IDW和OK.3)从插值效果来看,4种插值方法的降水空间分布具有一致性,MLR和PRISM优于IDW和OK. 相似文献
13.
利用1km和5km多源融合格点实况数据和四川地面观测站点资料,采用预报准确率、平均绝对误差、均方根误差和Alpha Index(AI)等统计量,选取2020年夏季四川2次高温天气过程对多源融合格点实况数据的质量进行了检验评估。研究结果表明:多源融合格点实况数据利用邻近插值方法插值到站点优于双线性插值;误差大值区主要位于高海拔地区,如川西高原、攀西地区及盆地山周;AI指数接近于0,多源融合格点实况数据没有随机误差,较为接近理想值;1km分辨率融合格点实况数据在四川的适用性优于5km,误差≤2℃的准确率可达98%,且均方根误差< 1。 相似文献
14.
利用重庆地区1999年和2018年气象数据, 分别采用薄盘光滑样条、协同克里金、普通克里金、反距离加权4种方法, 从年和月两种尺度对气温、降水、太阳总辐射三个要素进行空间插值; 采取交叉验证方法, 用MAE、MRE、RMSE评估插值精度, 确定各要素最优插值方法。结果表明: 气温和太阳总辐射最优插值方法为薄盘光滑样条, 降水为反距离加权; 插值精度上气温、太阳总辐射高值月份优于低值月份, 降水则相反, 但三个要素均表现出年尺度优于月尺度。MRE检验表明, 插值精度为气温>太阳总辐射>降水, 1999年年尺度插值精度分别为1.86%、4.60%、6.87%, 月尺度插值精度分别为2.79%、5.82%、17.42%;2018年太阳总辐射年、月尺度插值精度分别为3.03%、4.88%, 区域站加密后气温、降水年尺度插值精度分别为2.03%、11.20%, 月尺度对应插值精度分别为3.20%、23.14%。 相似文献
15.
为研究新疆地区气温的空间变异性,以新疆66个国家气象台站1981—2010年月平均气温和30 m空间分辨率DEM数据为基础,采用传统插值法、基于DEM多元线性回归插值和基于DEM修正的空间插值方法对新疆区域气温数据进行栅格化,并分析年平均气温与海拔的相关关系。通过采用反距离权重法(IDW),普通克里格法(Kriging),样条函数法(Spline)和趋势面分析法(Trend)4种空间插值方法对气象要素进行直接插值、气温多元回归模型残差结果插值、基于DEM修正插值对比分析。通过针对插值方法进行基于MAE和RMSIE的交叉验证,结果表明传统插值方法、基于多元线性回归和基于DEM修正4种空间插值精度均为IDWKrigingSplineTrend。反距离权重(IDW)空间插值方法最优,基于DEM修正IDW插值、基于多元线性回归IDW插值与传统IDW插值精度分别是0.039、0.477、1.038,插值结果客观的表达了新疆区域气温随空间梯度的变化趋势。 相似文献
16.
基于RS和GIS技术的新疆气温空间插值方法探讨 总被引：4，自引：0，他引：4
仲嘉亮 《沙漠与绿洲气象(新疆气象)》2007,1(4):33-35
分析新疆90个气象站点2004年年均气温与经纬度、海拔高度的关系,之间具有较好的线形相关关系(r2=0.897)。通过"回归方程计算 空间残差"的方法对全疆2004年年均气温数据进行插值。验证结果为:插值计算值与实测值间相关系数r2=0.994,平均误差1.53%。插值结果表明:利用"回归方程计算 空间残差"的方法可以生成高精度、高空间分辨率新疆年平均网格温度结果。 相似文献
17.
H. Jean Thiébaux 《大气与海洋》2013,51(4):291-305
Abstract Data assimilation in numerical weather forecasting corrects current forecast values by subtracting a portion of interpolated forecast‐minus‐observation differences at the points of a three‐dimensional grid. Deviations used in updating a forecast data field are forecast errors obtained or derived from observations available at update time. When observations are missing at mandatory levels, construction of full vertical soundings by interpolation introduces extraneous errors. The present paper is concerned with determination of the error in vertical extrapolations of surface winds, and of aircraft and satellite cloud‐tracked winds. In addition it examines the effect on accuracy of using location‐specific statistics compared to averaged statistics as the basis for the interpolation weighting scheme and compares errors of one‐ and two‐variable interpolations. Interpolation accuracy tests demonstrate the influence of the interpolation scheme on the quality of interpolated information used in forecast updating. The results show that the level of accuracy exceeds the benchmark provided by monthly mean forecast error values only with bivariate interpolation of wind components from off‐level data sources. 相似文献
18.
19.
基于矩阵补全的气象数据推测 总被引：1，自引：0，他引：1
传统的气象数据推测大多基于插值方法,而此方法需要近邻台站的完整观测数据,这在很大程度上限制了插值方法的应用。为此,本文提出了一种基于矩阵补全的气象数据推测方法,该方法根据气象数据的近似低秩性来推测缺失数据。首先,选取我国662个气象台站2004—2013年的逐日平均温度和日照时数两种气象要素作为研究对象,通过矩阵奇异值的累积贡献率来检验数据集的近似低秩性。然后设计了两组试验,第1组试验考虑了不同采样概率下各年份的数据推测,第2组试验随机选取某些台站,考虑所选台站数据连续缺测时的推测。最后,使用矩阵补全方法推测缺失数据,采用10a的平均误差作为评价指标。试验结果表明:矩阵补全方法能很好地推测缺失数据,且具有一定的鲁棒性。 相似文献