共查询到20条相似文献，搜索用时 16 毫秒
1.
利用2010年1月1日—2014年12月31日西安市呼吸系统疾病死亡数据与相应的气象观测数据,选取与呼吸系统疾病有显著相关性的气象因子,采用多元逐步回归方法,建立呼吸系统疾病死亡人数预测模型和呼吸系统疾病气象风险指数等级预报方法,并对预测模型和等级预报进行了检验。结果表明：呼吸系统疾病日死亡人数预测模型准确率在795%以上,呼吸系统疾病气象风险指数等级预报准确率达到98%,预测预报效果较好。将呼吸系统疾病气象风险指数等级预报融入西安公共气象指数预报服务系统,制作呼吸系统疾病气象风险指数等级预报、预警产品,并通过全方位融媒体发布手段开展健康气象预报预警服务。 相似文献
2.
运用1988~2017年贵州省玉舍滑雪场附近30年气候资料和2015~2016年冬季滑雪场客流量资料,分析贵州高海拔地区滑雪运动与气象条件的关系,进而进行滑雪气象指数等级研究。结果表明:(1)玉舍滑雪场冬季具有少雨、低风、温度适宜的气候特点,可以开展滑雪运动。(2)玉舍的滑雪人数与气象因子风速、气温、相对湿度、降水量呈显著反相关。(3)根据玉舍滑雪场气候背景特征,分别对降水量、相对湿度、舒适度指数三个气象要素进行分级,通过实际滑雪人数分级与滑雪气象指数等级预报进行的检验表明:实际滑雪气象指数等级与指数预报等级相同(即绝对值之差为0)的准确率达26.4%,实际滑雪气象指数等级与指数预报等级绝对值之差为1的准确率达66.7%,即预报滑雪气象指数等级与实际滑雪气象指数等级之差≥1的准确率达93%。 相似文献
3.
该文旨在重新梳理贵州省健康气象指数类型及预报方法,构建切合贵州省实际的健康气象指数预报模型。通过对各待考察疾病的门诊病例的标准化统计分析,与气象因子的相关性分析,重新拟定了贵州省健康气象指数类型,揭示了几个待考察疾病发病率与气象因子之间的相关性,并运用回归分析方法构建了预报模型。对贵州省健康气象指数进行了新的等级划分及模型回代检验,各预报模型的预报准确率在90%以上,可以此为基础建立新的业务系统。 相似文献
4.
应用盘锦市疾控中心2008年1月1日至2009年12月31日逐日脑血管病发病人数及同期逐日气象资料,采用相关分析、逐步回归等方法,分析了脑血管病与气象要素的关系,建立了逐日脑血管病发病趋势的气象预报模型。结果表明：各类气象要素与未来3 d脑血管病发病人数滑动平均具有较好的相关性;气象因子对脑血管病发病人数的影响存在着一种滞后效应和持续效应;脑血管病发病人数与当日最低气温、平均气温、最低气压、平均风速、湿度、最大气温日较差等气象要素相关显著;不同的季节影响脑血管病发病人数的敏感气象因子不同,且相关关系差异较大。逐日脑血管病发病趋势的气象预报模型预报检验效果较好。 相似文献
5.
6.
7.
利用1981—2020年5—9月气象数据与玉米产量数据,通过改进逐日降水适宜度并构建逐日气候适宜度模型,建立基于相似年逐日气象要素的作物生育期气候适宜度序列,利用气象产量与气候适宜指数建立模型,设计逐日作物产量气象影响指数以表征气象条件对作物的影响程度,基于该指数构建东北地区玉米逐日产量预报模型并分析其逐日预报准确率,用以表明该指数的准确性。结果表明:利用3个相似年预报结果加权集成综合相似年逐日作物产量气象影响指数可提高逐日预报准确率,黑龙江年尺度逐日预报准确率年际间波动小于东北其他地区。综合相似年月尺度下,随着玉米发育期的推进和实时气象数据的引入,月尺度平均预报准确率逐渐提高。东北地区玉米产量8月31日的日尺度预报准确率普遍高于7月31日;辽宁日尺度预报差异较大,但随着玉米发育期推进逐日预报产量和实际产量接近,准确率也提高。基于气象要素构建的逐日作物产量影响指数和同期气象影响指数可以定量评估不同时段气象条件对作物产量的影响程度,在一定程度上可提高农业气象业务定量化评价水平。 相似文献
8.
利用洛阳市1981—2014年夏玉米产量资料、生育期内的气象资料,结合夏玉米的生物学特性,分别构建夏玉米温度、光照、水分适宜度模型,利用夏玉米生长季内不同时段的气候适宜度指数与气象产量的相关关系,构建夏玉米产量预报模型,并分别利用1981—2010年、2011—2014年数据进行回代、预报检验。结果表明,气候适宜度与夏玉米气象产量存在显著的相关性,两者变化趋势一致。1981—2010年各时段预报模型的单产回代检验准确率在89.19%~91.42%之间,趋势回代检验准确率达89.66%~96.55%。2011—2014年预报检验,预报准确率最高为96.16%,最低为91.05%,趋势预报准确率最高为100%,最低为75%,预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。 相似文献
9.
根据1958—2015年我国北方地区8个主产省（市）小麦蚜虫分省发生面积和发生程度资料、1958—2015年601个气象站点相应逐日气象资料和农业气象站小麦发育期资料,采用相关分析、主成分分析和逐步回归等方法,并利用相关系数法进行因子普查,结合小麦蚜虫适宜生理气象指标和华北、黄淮小麦生育期规律,筛选影响小麦蚜虫年发生程度的关键气象因子,构建分区域的小麦蚜虫气象适宜度预报模型,并将气象适宜度指数划分为非常适宜、适宜、较适宜、不适宜4个等级,以反映气象条件对小麦蚜虫发生发展的适宜程度。结果表明:筛选出影响华北小麦蚜虫年发生程度的8个关键气象因子,影响黄淮小麦蚜虫年发生程度的6个关键气象因子。建立的华北、黄淮模型回代检验等级准确率分别为91.2%,93.1%,2016—2018年3年外推预报平均准确率均在75%以上;利用黄淮模型反演苏皖两省2016—2018年小麦蚜虫发生等级、异地检验3年预报效果均较理想。模型适用于从气象角度对华北、黄淮及江淮地区小麦蚜虫发生等级进行监测和预报。 相似文献
10.
南京市呼吸道疾病时间序列模型的建立与分析 总被引：1，自引：1，他引：1
利用1990～2000年南京市支气管哮喘与感冒逐月就诊人数病例资料和同期国家气象中心资料室的月平均压、温、湿等资料，讨论了2种疾病发病人数的月际和年际变化规律，分别建立了包含气象因子的预报2种疾病逐月就诊人数的条件异方差和动态回归模型。南京地区支气管哮喘就诊人数高峰期出现在春末与秋季，逐年的就诊人数呈现上升趋势，其发病与当月月平均气压、上一个月月平均温度有关。感冒就诊人数高峰期出现在夏秋季，其发病与月平均最低温度和月极端最低温度有关。将模型应用于2种疾病逐月就诊人数的等级预报中，其预报等级准确率分别达75．0％和66．7％，表明此建模方案是可行的，此类模型有一定的使用价值。 相似文献
11.
《干旱气象》2017,(1)
利用小麦条锈病发生程度与气象条件的关系,预测其流行趋势,可以为当地麦区适期开展综合防治、控制其流行为害提供科学依据。通过对陕西省小麦条锈病历年发生程度与上年11月至4月气温、降水量、相对湿度和日照时数月资料相关分析,选择对小麦条锈病发生程度敏感的气象因子,经过归一化处理和加权组合,组成小麦条锈病气象指数,进而建立小麦条锈病气象预报回归模型。结果表明:气象指数与小麦条锈病发生程度高度相关,相关系数通过0.001显著性检验;关中、陕南地区预报模型回代值与调查值差值在2个等级以内的样本占94.5%,差值在1个等级以内的样本占57.3%;对2014年小麦条锈病发生程度预报相差2个等级以内的样本占90%,相差1个等级以内的样本占40%;总体检验结果为正确或偏高。 相似文献
12.
13.
农业气象产量预报方法中权重系数的确定 总被引：2，自引：0，他引：2
《气象与环境学报》2016,(2)
基于气候适宜度指数的作物产量预报中,各旬气候适宜度加权集成构成了气候适宜度指数,权重系数的确定对预报的准确性至关重要.本文以山东省冬小麦为例,分别采用绝对值法、归一化法和相关系数法确定各旬产量预报的权重系数,分析不同权重系数确定方法得到的气候适宜度指数之间的相关性及气候适宜度指数与农业气象产量的相关性,并利用相对较优的方法进行冬小麦产量动态预报.结果表明:与绝对值法和归一化法相比,采用相关系数法确定的权重系数计算的气候适宜度指数与气象产量的相关系数多数均通过了P0.01水平的显著性检验,可较全面的反映冬小麦生长发育随气候条件的变化关系.建立的冬小麦产量动态预报模型历史回代检验的准确率基本均为94.5%以上,标准化均方根误差n-RMSE均小于7.0%,表明建立的模型模拟性能较好.对2010—2011年山东省冬小麦产量的外推预报表明,预报平均准确率为93.0%以上,多数预报准确率为96.0%以上,可满足冬小麦产量预报的业务需求. 相似文献
14.
北京市感染性腹泻疾病的医疗气象预报与应用研究 总被引：1，自引：1，他引：0
通过分析北京市海淀区感染性腹泻病发病情况与北京市观象台地面气象要素的相关关系,建立感染性腹泻病医疗气象分级预报及风险水平评估模式.收集海淀区2004-2006年逐日菌痢周发病数和同期气象因素资料,建立数据库,分析气象因素与肠道传染病发病率的关系,并采用多元回归概率分级技术,建立感染性腹泻病医疗气象分级预报(划分5个等级)及风险水平评估模式.结果表明,感染性腹泻病发病与水汽压的相关程度很好,单相关系数为0.8340.在所有候选预报因子中,它的方差贡献占70.5%.其他方差贡献较大的因子,还有平均风速、气温日较差等.在感染性腹泻病医疗气象分级预报及风险水平评估模式中,如果预报等级与实际等级相差≤±1级统计为正确,感染性腹泻病医疗气象分级预报模式组的平均预报正确率可达98.5%.其中,预报等级与实际等级完全吻合的正确率可到62.9%～66.4%(指6个预报时效).该模式预报结果可较好地为2008年奥运会提供肠道传染病预防服务,为北京各级疾病预防控制中心指导广大城乡居民卫生防疫提供科学依据. 相似文献
15.
为了帮助医疗机构合理调配医务力量、床位和医疗药物,同时也帮助脑卒中高危人群及时采取干预措施,降低发病风险。本文对某市[1]四家医院2013—2016年脑卒中的就诊病例进行数据分析,将日就诊人数分为6个等级。然后,调取相应时段当地的逐日气象资料,采用支持向量机(SVM)和随机森林(RF)方法分别建立了日就诊人数预测模型和日就诊人数与气象因素的关系模型。研究结果表明:(1)脑卒中的日就诊人数为不平衡数据,这种数据特征将导致传统的预测模型正确率较低;(2)通过不断调整SVM预测模型的初始权重,经历了4次优化之后,使得日就诊人数的预测正确率从52.46%上升到94.56%;(3)随机森林模型的结果显示,影响脑卒中发病率的三大气象因素分别是最高气温、最低气温和平均气温。基于机器学习模型的脑卒中疾病与气象因素的研究成果,提高了医疗气象统计模型的预报准确率,具有较高的应用和推广价值。 相似文献
16.
利用2014—2021年西安市逐日气象要素和同期的森林火灾资料,对西安市森林火灾特征进行分析;并针对实际情况,将地理特征、人类活动区域、坡度、下垫面可燃物类型、海拔等引入到西安市森林火险等级预报模型中,改进森林火灾气象等级预报算法,提出了西安市森林火险风险综合预报模型。改进后的算法在预测精度和准确度方面均得到提升,同时该模型的预测结果比西安市森林火险气象等级预报模型明显提高,以超过3级为森林火灾危险性预警标准时,可以覆盖约65%的火灾,比改进前提高了25%。本研究对森林火灾的预防和控制具有一定的参考价值。 相似文献
17.
森林火灾严重威胁生态安全和国民经济,由于不同林地的气候以及可燃物存在差异,森林火险具有明显的区域性特征。因此,在考虑气象因子的基础上,将可燃物含水率引入小区域的森林火险指数的计算,对建立更精确的小区域森林火险等级标准和预报模型具有重要意义。本研究系统地分析了2013—2016年井冈山地区森林可燃物含水率与气象因子的分布频率及因子间的相互关系。通过主成分分析方法对所有因子进行降维处理,获得火险因子得分方程,并计算出2013—2016年井冈山地区逐日森林火险指数,进而构建火险等级划分和森林火险等级预报模型。结果表明:井冈山森林火险等级划分为5类,分别为低(火险值≤0.024)、较低(0.024火险值≤0.067)、高(0.067火险值≤0.167)、较高(0.167火险值≤0.232)、极高(火险值0.232)。基于BP神经网络模型构建了井冈山森林火险等级预报模型,预测精度可达96.4%。并利用2013—2017年卫星监测到的井冈山地区热源点数据对模型进行检验,预报准确率高达92.3%,表明该火险等级标准和预报模型能够满足井冈山地区日常防火业务需求。 相似文献
18.
2012年环境保护部发布的《环境空气质量标准》实施后,贵阳市空气质量状况发生了变化。利用贵阳市空气质量指数和常规气象要素等资料,分析空气质量特征及其与气象要素的关系,通过多元线性逐步回归和BP神经网络方法,分季节建立空气质量指数预报模型,并同CUACE模式进行对比检验。结果表明:近3年贵阳市空气质量状况良好,优良天数增多,污染天数减少且污染天气多出现在冬季,首要污染物为PM2.5、PM10和O_3;各季相关因子不同,但主要与相对湿度和风速有关;两种模型预报效果均表现为夏季评价最高,等级TS评分超过85%,指数准确率近99%,冬季预报效果相对最差,TS评分接近或达到70%,指数准确率超过或接近80%,而春、秋季效果指标差距不大;对2015—2016年AQI的预报效果回归模型的优于CUACE模式的,TS评分和预报准确率分别相差16.2%和20.0%。 相似文献
19.
为有效开展高温中暑气象预报,对河北省中暑病例资料与气象条件进行了分析,确定了河北省可能发生中暑的日最高气温临界最低指标,建立了基于温湿度组合的暑热指数计算公式,依据日最高气温、暑热指数及其持续时间将中暑气象等级划分为四级,并依据不同等级对人体的影响,确定了不同等级的防范提示建议用语。从多地气象条件、中暑病例、分级指标应用三个方面对指标划分的合理性进行检验。结果表明：等级预报指标划分与河北省夏季气候分布特征相一致;中暑病例97 %以上发生在极易中暑和易发生中暑级别;分级指标应用试报检验预报准确率达到81.2 %。该指标对河北省中暑气象等级预报服务业务开展及公众有效防范中暑具有较好的指导性。 相似文献
20.
基于2008—2012年北京市4家三甲医院的脑卒中疾病急诊就诊资料及同期气象观测资料和环境监测资料,筛选气象和环境预报因子,采用广义相加(Generalized Additive Model,GAM)、逐步回归、BP(Back Propagation)神经网络及决策树4种方法编辑数据训练集(2008—2011年)和验证集(2012年)输入模型,建立北京市脑卒中疾病预报模型,计算各模型的拟合优度和预报准确率,对比分析脑卒中疾病各预报模型并确定最优预报方法。结果表明:北京市四季脑卒中疾病不同模型选取的预报因子不同,其中时间序列为重要的预报因子。GAM模型对高等级脑卒中疾病的预报效果最好,逐步回归模型对中间等级脑卒中疾病的预报效果最好,决策树模型对低等级脑卒中疾病的预报效果最好。4种脑卒中疾病预报模型四季平均的预报准确率依次为:GAM神经网络模型逐步回归模型决策树。GAM模型脑卒中疾病的平均和高等级预报准确率均为最高,其中出血性脑卒中预报模型的完全预报准确率为68.3%,预报误差≤±1级的准确率达98.0%,可以满足天气变化对出血性脑卒中疾病预报预警的业务需求。 相似文献