共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
本文使用多层递阶的基础理论,提出了短期雷暴预报的两种模型A和B。试验结果表明,多层递阶方法,对于短期天气预报也具有较强的预报能力。 相似文献
3.
使用海南岛冬季平均气温资料,根据动态系统预测的理论,选用层递自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。 相似文献
4.
使用海南岛（以海口资料为代表）冬季平均气温资料,根据动态系统预测的理论,选用多层递阶自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。结果表明,预报结果与实测值误差较小,冷暖年趋势预报和定量预报效果较理想。 相似文献
5.
影响海南岛热带气旋的多层递阶周期分析长期预报模型 总被引：1，自引：0，他引：1
使用历年影响海南岛的热带气旋个数作资料样本,在经典多层递阶预报模型的基础上引进多层递阶周期分析,在时间序列自身周期显著的情况下,使用时间序列的显著周期分量取代经典模型中的自回归部份,建立影响海南岛热带气旋的多层递阶周期分析长期预报模型,合理地反映热带气旋影响海南岛的变化规律,提高预报的准确率。 相似文献
6.
7.
8.
根据预报量与预报因子的实际情况，提出用灰色系统中的关联分析筛选非线性因子。同时利用时变参数跟踪理论，将复杂的非线性系统预报问题转化成简单的带时变参数的线性多层递阶预报问题。经实际应用证明，用此法建立的多层递阶预报模型优于线性因子所建立的多层递阶预报模型。 相似文献
9.
本文针对经典多层递阶方法所存在的缺陷,提出了一种改进的多层递阶预报模型。它的基本思想是将回归分析与经典多层递阶方法相结合,使之有效地消除了因子间量值差异所引起的贡献差异,较好地体现了高相关因子的重要作用。实例计算结果表明,该改进方案的预报精度有显著提高。 相似文献
10.
多层递阶预报模型的一种改进方案 总被引：7，自引：0，他引：7
本文针对气象要素与其过去的数据自相关程度一般都较差,而与其自身的显著周期分量却存在较高的线性相关关系的特点,提出了一种改进的多层递阶预报模型。它将多层递阶方法与逐步回归双重分析相结合,用显著周期分量取代经典多层递阶预报模型中的自回归部分,使之能更好地反映气象要素自身的历史演变规律,从而稳定其预报效果。 相似文献
11.
天气预报的多层递阶方法是运用现代控制理论中的系统辨识方法提出的一种新的数值预报方法。我们在过去工作的基础上选取六个有天气学意义的相关因子,采取仅考虑预报因子部分的多层递阶方法试作夏季降水量预报,效果较好。此外,与一般线性单输出模型、仅有自回归部分的线性单输出模型及多元回归进行了初步比较,提出一些看法。《天气预报的多层递阶方法》是运用现代控制理论的系统辨识方法,它将天气系统看成是随机动态的时变系统。从系统的外部特征着手,建立其输入-输出模型,并进行多层分析和多层递阶预报。现将我们用这种方法预报夏季(6—8月)降水量上所做的工作介绍如下: 相似文献
12.
多层递阶方法是运用现代控制论中系统辨识观点提出的一种新的数值预报方法；谐谱分析便于揭示不同纬圈上不同尺度的波动特征。本文应用其结合方案对梅雨期大-暴雨中期过程进行试验。比较分析表明，以增长记忆的多层递阶预报模型效果最佳。经试报及业务使用该方案效果较好。 相似文献
13.
本文试用多层递阶预报方法作水稻产量的农业气象预报,提出对原方法的改进途径。改进后的多层递阶预报方法只需预报每层参数中的一个最易预报的参数,因而大大减少了原方法逐层逐个参数预报的计算量,避免或减小了原方法中存在的误差叠加和放大现象,并用淮阴市的水稻产量资料对新方法进行试报检验,结果令人满意。 相似文献
14.
引入基于PRESS准则选取预报因子的逐步算法做小麦年景预测．并与逐步回归、多层递阶法作了对比分析，预测结果表明，逐步算法和多层递阶法优于逐步回归。将逐步算法挑选的因子用于多层递阶，预测结果更好。 相似文献
15.
16.
17.
一、引言多层递阶方法是运用现代控制理论中的系统辨识方法而提出的一种数学预测模型,它将预报对象看成是随机动态的时变系统,摒弃了经典统计理论中的固定参数预报模型,故对天气预报这一类时变系统具有较强的适应能力,因而引起了气象工作者的广泛关注,并进行了许多有益的探索和尝试。近几年来,多层递阶方法在气象领域中的应用日益广泛,特 相似文献
18.
多层递阶方法是运用现代控制理论中的系统辩识方法而提出的一种新的数学预测模型,由于它充分考虑了动态系统的时变性质,采用了时变参数预报模型,故对时变系统有较强的适应能力。从目前所做的工作来看,天气预报中的多层递阶方法大多采用了仅有预报因子的线性单输出系统模型,其主要原因在于气象要素的自相关程度往往比较低,使得仅有预报因子的线性单输出模型反而要比含有自回归部分的一般线性单输出模型预报精度高。但 相似文献
19.
20.
目前,国内对花生产量预报方面的研究较少,其它粮食作物如小麦、水稻等作物的产量预报方法较多。一般常用的多元回归、特征根回归、多重回归等预报方法,随着预报年限的延长,预报误差会相应增大,其原因之一是在此类预报过程中,用固定参数模型来预报一个时变参数系统的状态,易产生较大的误差,并随着预报年限的延续而增大。因此逐年预报时需要重新计算模式的系数。为了克服这一缺陷,我们采用了动态系统预报的新方法——多层递阶预报方法,对我省花生产量进行预报,由于它充分考虑了参数的时变特性,因此提高了预报准确率。通过对我省花生产量预测的实际应用表明,采用多层递阶预报方法连续多年预测花生产量,准确率及精度较高,这一方法可多年使用后再进行模式运算,大大减少了工作量,这种方法早已引用于长期天气预报,对于时间紧、业务量大的产量预报也非常适用。 相似文献