共查询到20条相似文献,搜索用时 15 毫秒
1.
统计预报是目前台、站长期预报的主要手段之一,相关分析是统计预报的重要组成部分。相关系数不稳定,直接影响到统计预报的效果,是我们预报业务中面临的一个重要问题。本文以4月降水量预报为例,分析太阳黑子活动对相关稳定性的影响。 我台制作本地区4月降水预报时,首先进行4月降水与北半球500毫巴平均高度的相关普查,选取信度达0.01以上的网格点并组成相关区。采用逐步回归对因子加以筛选。当取F=4时,建立回归方程为Y=313.1-1.03X_1-6.49X_4-1.55X_5-1.93X_7 47.0X_9,其中X_1、X_4、X_5、X_7、X_9分别为当年1月和前一年4、5、7、9月500毫巴诸网格点的平均高度。方程的复相关系数为0.91,平均拟合误差为 相似文献
2.
油菜花期物候主要限制因子分析及预报模型的构建 总被引:1,自引:0,他引:1
以油菜开花开始时间(即始花期)为研究对象,利用1980—2016年江苏省油菜发育期观测资料和同步气象数据,分析油菜始花期的时空变化趋势。结合油菜生理特性,筛选与油菜始花期显著相关的气象因子。以高淳站为例,采用通径分析明确各气象因子对油菜始花期的作用并评估因子敏感性,最后构建油菜始花期的回归预报模型。结果表明:在气候变化背景下江苏地区油菜始花期呈逐年提前趋势,淮河以南地区平均提前3 d以上;上年日平均气温稳定通过0℃终日(X_1)、当年日平均气温稳定通过5℃初日(X_2)、现蕾至开花前时段内分别大于0℃、5℃和10℃的有效积温(X_1、X_4和X_5)、最低气温分别小于0和5℃的日数(X_6和X_7)及平均最低气温(X_8)等8个因子与油菜始花期相关性达极显著水平;其中2月上旬至3月上旬的平均最低气温(X_8)、日最低气温小于5℃日数(X_7)、大于5℃有效积温(X_4)对油菜始花期的直接影响位列8个因子的前三位,且这3个因子两两共同对油菜始花期的相对影响程度也排在各因子对回归方程R~2总贡献率的前三位;其余5个因子直接效应普遍小于间接效应,且它们主要通过X_4、X_7、X_8对油菜始花期产生影响,而X_4、X_7、X_8也通过这5个因子产生一定影响;去掉任何一个因子,都会引起其他某些因子对油菜始花期的直接、间接作用发生变化;基于这8个因子构建的回归模型可解释68.48%的油菜始花期变化,并具有区域适用性。因此,就江苏地区而言,光照和降水对油菜开花早晚影响较小,热量条件才是江苏油菜开花早晚的主要限制因子,所构建的始花期预报模型可较好反映油菜开花时间早晚与相关热量因子变化的规律。 相似文献
3.
桔枫 《沙漠与绿洲气象(新疆气象)》1986,(4)
一、信息因子根据形势和诊断的原则,我们选取9个因子进行逐日编码: X_1(10101)图,地面95-110°E,25-35°N有冷锋且30-40°N,95-110°E有高压时编1,无时编0. X_2(10302)图,700hpa上90-110°E,30-40°N有高压编1,无时编0. X_3(10302)图,700hpa25-33°N,95-15°E有低涡时编1,无时编0. 相似文献
4.
一、多因子线性回归分析的不合理性和逐步回归挑选因子的弊病在利用气象要素前后期的相关关系的预报中,多因子回归分析是目前采用较多的一个概率统计预报方案。所熟知的数学模型是:Y=a_0+a_1X_1+a_2X_2+……+a_nX_n+8这里包含了几项重要的假定:1.各预报因子 x_1,x_2,…,x_n 之间彼此线性无关;各预报因子均独立地对 相似文献
5.
突变论Thom分类定理中的第四种初等变换即蝴蝶突变模型,其标准形式为 X_1~5+C_3X_1~3+C_2X_1~2+C_1X_1+C_0=0 (1)式中C_3<0。(1)式的相空间是五维的,控制空间是四维的,其所对应的控制参数有四个,分别为 C_3:蝴蝶因子(butterfly factor) C_2:偏倚因子(bias factor) C_1:剖分变量(splitting variable) C_0:正则变量(normol variable) 状态变量有一个即平衡态X_1,反映平衡态X_1的控制方程(1)式是一个超曲面,它不能在通常的三维空间中用一幅几何图形画出其分歧点集(bifurcation set),必须固定C_3、C_2后才可能在二维的控制相平面(C_0,C_1)中画出它的分歧点集。为了得到这个分歧点集的分析表达式,我们作如下推导: 相似文献
6.
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
7.
一、烂秧天气结束期标准 2月中旬至4月上旬日平均气温小于或等于12.0度连续三天或以上最后一次低温阴雨过程结束日期。 二、选取预报因子 根据气象要素多年平均值,以距平符号选取上年度相关机率≥75%的预报因子10个: 〈1〉X_1上年11月平均气温,简记为: T_(11)。 〈2〉X_2:上年4月NE风平均风速,简记为:V_4NE 〈3〉X_3:上年7月平均水汽压,简记为: 相似文献
8.
9.
10.
一、引 言 设因变量Y和自变量X_1,X_2,…,X_k有如下的关系:(1.1) Y=β_0+β_1X_1…+β_kX_k+e其中e是随机误差,满足条件:E(e)=0,D(e)=σ~2。 称Y=β_0+β_1X_1+…+β_kX_k为Y关于X_1……,X_k的回归方程. 相似文献
11.
本文以三化螟蛾的生物特征与相应相关分析,选择预报因子,通过FUZZY相似优先比法,制作三化螟蛾第一代始见期相似年份的农业气象预报。 一 相似优先比法是以成对的样品与一个固定的样品分别进行比较,判定成对样品中那一个与固定样品更为相似,从而确定样品的属性。 没有由多元因子综合构成模糊子集X_1、X_2,…,X_n,现在该论域上有一参考集X_k,按成对(i,j)与参考集的平均距离相似优先比为 相似文献
12.
灰色预测是指以GM(1,1)模型为基础所进行的预测。实质上就是根据过去及现在的信息,建立一个从过去引伸到将来的模型。灾变预测同数列预测一样,均属灰色预测, 设有原始数列X~((0))=X_((1))~((0)),X_((2))~((0)),………,X_((n))~((0))若规定一个阀值A,把X_((i))~((0))中的那些大于或小于A的点认为是具有异常值的点,然后将符合这一条件的数据挑出来,另外组成一个新的数列再将这一新的数列做灾变映射,而后将映射得到的灾变日期集P=P_((1')) , 相似文献
13.
据资料分析,若上年7—9月降水量X_1、7—8月降水量X_2分别满足X_1≥(?) σ_1/2=516mm及X_2≥(?)_2 σ_2/2=340mm,并且上年年积温≥186℃;则当年7月就会出现异常高温.1993年的X_1=680.5mm、X_2=593.0mm,年积温=188.0℃;故预报1994年7月浙北可能出现异常高温.高温的定义是7月份的平均温度≥29.8℃(常年平均值是28.2℃). 相似文献
14.
15.
分位值是随机变量的特征数之一。将随机变量分布曲线与X轴包围的面积作n等分,得n—1个值(X_1、X_2……X_(n-1)),这些值称为n分位值。由于业务与服务的需要,分位值已开始应用到基本气候资料的统计中来,下面就分位值的统计方法及其应用作简单介绍。 相似文献
16.
春播期(4月份)是西平县大秋作物育苗播种的关键季节.春播期降水量的多少,直接关系到烟叶、棉花的适时移栽、播种.为此,我们利用本站气象资料,利用多因子交叉相关法,制作春播期降水趋势预报.经回代和试报,效果均较好.1 资料处理1.1 预报对象(Y)当春播期雨量 R_(4月)>63mm,记 Y=1;否则,记 Y=0.1.2预报因子(X_(?))通过相关普查,选择出3个与春播期降水量拟合高的预报因子: 相似文献
17.
18.
按120°E附近副高脊线的不同位置划分不同天气类型。 Ⅰ型:将吕宋、沾海槽天气周期合并为Ⅰ型,副高脊线位置在18°N以南。 Ⅱ型:将巴士、粤台、干浙东海副高天气周期合并为Ⅱ型,副高脊线在18°N~29°N之间。 Ⅲ型:将江南、黄海天气周期合并为Ⅲ型,为副高控制型。 天气类型的MOS预报方程为: y=1.87 0.18X_1 0.13X_2 0.03X_3 这里X_1:为ANAS图(08h)115°E、120°E、125°E、130°E副高范围内OPN(包括MOP)北界位置的平均纬度。预报时效为24小时。 X_2:为FXAS04图上120°E、30°N和125°E、30°N两点的H预告平均(取两位数)。预报时效为48小时。 相似文献
19.
在灰色系统理论中,反映(h—1)个变量对某一变量的1阶导数的影响,可建立一个状态模式GM(1,h)。与GM(1,1)预测模型相比较,GM(1,h)模型不仅反映了分析对象X_1(o)本身随时间的动态变化,而且由于考虑了其他因子(输入变量)对分析对象的作用,使得系统的摆动过程能够以GM(1,h)模型中反映出来。 相似文献
20.
粮食作物产量的形成与光温水等气象条件关系密切。我们通过对全省粮食作物产量的时空分布、产量与气象条件相关关系的统计计算,初步分析了我省粮食作物产量划区、增减产年型和影响我省粮食作物产量形成的主要相关时段与气象因子。 相似文献