共查询到18条相似文献，搜索用时 421 毫秒
1.
非线性门限自回归模型用于时间序列的外推预报 总被引：3，自引：0，他引：3
对一些呈非线性变化的时间序列，如果勉强用线性统计模型来描述，效果往往不理想。本文利用非线性的自激励门限自回归模型（ＳＥＴＡＲ）、开环门限自回归模型（ＴＡＲＳＯ）对我省记录年代较长的烟台年降水量序列进行建模分析，并探讨分析了模型的稳定性，最后利用稳定的ＳＥＴＡＲ模型进行外推预报。 相似文献
2.
3.
逐步门限自回归模型及其建模方案 总被引：2，自引：0，他引：2
针对门限自回归模型在模型识别方面的不足，提出了逐步门限自回归模型，并同时给出了该模型的一种建模方案。数值实例表明，逐步门限自回归模型在模拟和预报稳定上比一般门限自回归模型有一定程度的提高。 相似文献
4.
多元门限回归模型的一种建模方法 总被引：12，自引：0，他引：12
本文根据门限自回归模型的基本思想[1]，提出一种多元门限回归模型的建模方法。其特点是充分考虑了预报系统中某些特殊预报因子突变点对预报关系的改变作用。数值实例表明，该模型在模拟和预报精度上比一般线性逐步回归模型有一定程度的提高。 相似文献
5.
南宁市空气臭氧污染的TAR模型预报研究 总被引：1，自引：0，他引：1
以门限自回归统计方法为基础进行南宁城市臭氧日最大小时浓度TAR模型预报研究.选取日平均气压作为参与预报气象因子、180日作为建模资料长度、开方形式的数据转换后建立模型预报效果更佳.预报结果检验表明预报方案是可行的,并提出了改进建议. 相似文献
6.
考虑了气候系统中一些变量突变时对预测关系的改变作用，用多元门限回归模型的建模方法建立长江下游地区夏季旱涝趋势预测模型。拟合效果较理想，用１９９４－１９９５年的独立资料检验，预测结果与实况较为接近。 相似文献
7.
回归分析是统计分析中常用的方法之一。传统的回归模型不具备全域分析能力,而变量场之间的关系多采用SVD（Singular Value Decomposition）进行分析,与传统的回归分析有所脱节。更为广义的线性回归模型是传统线性回归模型的延拓,在标量情况下,该模型可转化为传统线性回归模型。该模型的基本特征包含乘法不可互易性、等价于传统线性回归（因子项为标量时）、可分析性、延拓性、降维特征及容错性等。该模型解决了传统的线性回归模型不具备全域分析能力及模型表达能力受限于模型维数的现实问题。本文采用了NCEP（National Centers for Environmental Prediction）降水、高度场、风场月平均资料及国家气候中心西太平洋副热带高压指数资料,利用该模型和传统回归方案进行对比分析,分析结果表明,该模型具有一定的实用参考价值。 相似文献
8.
本文研制建立了一个预测青海省夏季降水的动力—统计相结合的组合降尺度预测方法（Hybrid Statistical Downscaling Prediction，HSDP），该方法综合利用了气候模式Climate Forecast System 2.0版本（CFSv2）实时预测的高可预报性环流信息及前期观测的与青海夏季降水具有高相关性的气候因子，采用年际增量方法，基于气候变量的年际增量规律建立统计模型，从而实现对青海夏季降水进行动力—统计相结合的气候预测。根据全球气候因子的年际增量与青海省夏季降水年际增量的相关系数，以及CFSv2预测产品对实况模拟能力的评估，选取以下关键区气候变量的年际增量作为预测因子：（1） CFSv2模式预测当年夏季包含贝加尔湖脊、乌拉尔山脊和新疆脊区域的500 hPa高度场；（2） CFSv2模式预测青藏高原以西200 hPa纬向风场；（3）观测资料中前1 a秋、冬季热带太平洋地区海表面温度场；（4）观测资料中前1 a秋、冬季西伯利亚地区的海平面气压场，对青海省夏季降水进行统计降尺度预测。统计降尺度模型利用1983—2011年进行建模，回报2012—2018年夏季青海省降水的空间分布和时间变化，并对该模型对1983—2011年的夏季青海省降水的回报能力进行了交叉检验。回报结果表明该统计降尺度模型对CFSv2的青海省夏季降水预测能力有显著的提高，能够很好地再现青海省夏季降水西北部的高原地区偏少，而在东南部偏多的特点。该模型预测所得2012—2018年夏季青海省降水的时间变化也与实况有着较高的相关系数（0.76），对于降水显著偏少的年份（如2015年）和显著偏多的年份（如2012、2018年）的降水预测都有很好的表现。对于建模时段的交叉检验结果（相关系数为0.46，比模型回报结果与实况的相关系数0.48略低）表明，该模型具有较高的稳定性和可靠性。 相似文献
9.
遗传门限自回归模型在气象时间序列预测中的应用 总被引：5，自引：2，他引：5
提出了建立门限自回归模型（TAR）的一套简便通用的方法。用基于实码的改进遗传算法，可同时优化门限值和自回归系数，解决了TAR建模过程所涉及的大量复杂寻优工作这一难题，为TAR模型在气象预测中的广泛应用提供了有力工具。实例计算的结果说明：通过门限值的控制作用，TAR模型可有效地利用气象时序资料所隐含的时序分段相依性这一重要信息，限制了模型误差，保证了TAR模型预测性能的稳健性，提高了预测精度。该方法具有通用性，在各种气象非线性时序预测中具有广泛的实用价值。 相似文献
10.
11.
基于高温日数存在受不同物理因子影响不同时间尺度变率的特征,应用滤波对华南夏季高温日数进行时间尺度分离,得到高温日数的年代际分量和年际分量。统计分析高温日数总量、年代际分量和年际分量在各自对应时间尺度上的影响因子,采用"向前"交叉检验逐步回归法,分别建立高温日数总量、年代际分量和年际分量的回归模型。高温日数总量的回归模型即为高温日数不区分时间尺度的直接回归模型,而两个分量回归模型拟合结果的叠加,即为高温日数时间尺度分离统计模型对总量的拟合。利用十折交叉检验法,对高温日数直接回归模型和时间尺度分离统计模型的拟合结果进行比较:相比高温日数直接回归模型,时间尺度分离统计模型的年代际分量均方根误差由2.6降低到2.3,与观测数据的相关系数由0.69提高到0.73（显著性水平α=0.01）;年际分量均方根误差由3.2降低到2.9,与观测数据的相关系数由0.4（α=0.1）提高到0.48（α=0.01）;高温日数总量均方根误差由4.1降低到3.7,与观测数据的相关系数由0.48提高到0.62（α=0.01）。1979~2010年拟合时段华南夏季高温日数的回报结果表明:两模型回报结果与观测数据均存在明显相关（α=0.01）,直接回归模型的相关系数为0.57,时间尺度分离统计模型提高到0.72。2011~2013年独立检验时段的预测结果表明:直接回归模型预测结果的平均均方根误差为26.4%,时间尺度分离统计模型降低到12.3%。初步结果表明,两模型对华南夏季高温日数均有一定的预测能力,而时间尺度分离统计模型的预测结果有所改进。 相似文献
12.
Marek Brabec Viorel Badescu Marius Paulescu 《Meteorology and Atmospheric Physics》2013,120(1-2):61-71
In this paper, we present a formalized approach to statistical modeling of the sunshine number, binary indicator of whether the Sun is covered by clouds introduced previously by Badescu (Theor Appl Climatol 72:127–136, 2002). Our statistical approach is based on Markov chain and logistic regression and yields fully specified probability models that are relatively easily identified (and their unknown parameters estimated) from a set of empirical data (observed sunshine number and sunshine stability number series). We discuss general structure of the model and its advantages, demonstrate its performance on real data and compare its results to classical ARIMA approach as to a competitor. Since the model parameters have clear interpretation, we also illustrate how, e.g., their inter-seasonal stability can be tested. We conclude with an outlook to future developments oriented to construction of models allowing for practically desirable smooth transition between data observed with different frequencies and with a short discussion of technical problems that such a goal brings. 相似文献
13.
14.
对乌鲁木齐市环境监测站2013—2015年冬季逐日AQI、PM2.5、PM10、SO_2、NO_2、CO、O_3数据进行相关分析,并利用MATLAB编程工具进行多元回归统计分析,建立了多元回归统计预测模型。对2015年1—3月乌鲁木齐雾霾天气进行预测试验,发现预测值与实际值有较好的拟合效果和预报效果。实验证明,在大气层结稳定的冬季将当天的大气污染物浓度作为因子,用多元线性回归算法建立预测模型对次日雾霾天气进行预测是一种有效的雾霾统计预报手段,本文试图用MATLAB编程工具建立动态多元回归预测模型,编写了自动预测系统软件,测试取得了较好的预测效果。 相似文献
15.
针对事件概率回归模型的特点，用残差分析和统计量诊断的方法归纳了回归线差的非称分布现象，揭示了这种现象是由高杠杆占所引起，探讨了概率回归模型的残差不合理性的统计天气预报意义，从而提出适用于概率预报问题的事件概率回归改进模型。分析指出。事件概率回归模型的不合量性并不是个另例了特珠性所造成是由该模型的数学特点所决定，概率回归改进模型要优于普通的概率的回归模型型。 相似文献
16.
17.
利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。 相似文献
18.
基于1981~2019年贵州省4月气温与同期130项监测指数的相关分析建立了固定监测指数、最优监测指数、逐步回归的统计预测模型,并对1981~2020年预测模型回报结果进行检验。结果表明:在短期气候趋势预测业务中,按异常级进行预测可提高气候预测技巧。三种统计预测模型中逐步回归的预测效果最好,其次是最优监测指数,而固定监测指数效果最差。与省级和国家级预测产品相比,统计预测模型在近9年的回报效果表现出一定的优势。以7个最优指数建立的回归预测模型对2020年4月气温的回报Ps评分最高,较省级预报提高14.1分,相对国家指导预报提高66.7分。 相似文献