排序方式： 共有11条查询结果，搜索用时 15 毫秒
1.
2.
3.
岭回归在预报集成中的应用 总被引：1，自引：0，他引：1
一、前言 在天气预报中,往往是由多个预报员应用多种预报工具和方法进行预报。因此,需要有一种综合的方法集中各种预报结果而形成统一的预报结论。这种预报集成对于今后实现天气预报自动化也有重要的意义。预报集成的方法很多,回归集成、判别集成是比较常用方法。本文提出了用岭回归做预报集成的方法,经过试验证明,这种方法优于一般回归集成和其它集成方法,并且预报量可以是连续变量,也可以是离散变量。 相似文献
4.
最优化方法在天气预报中的应用 总被引：3，自引：0，他引：3
本文根据最优化方法原理,提出了选择非线性最优预报因子和建立非线性预报方程的办法。试验表明:用此方法选出来的非线性预报因子和建立的方程比线性的好。最后还指出了此方法可推广到预报量离散的情况,建立非线性的判别方程,同时可用于长、中、短期天气预报。 相似文献
5.
6.
优化的非线性预报方法在中长期水文预报中的应用 总被引：1，自引：0，他引：1
一、前言目前,在中长期水文预报中,常用的相关法和多要素综合预报方法,其数学模型基本上都属于线性类型。实际上,一般因变量与自变量的关系多属于非线性的。因此,基于线性假设而建立的线性预报方程必然会影响到预报效果。本文为了克服这个缺点,提出了优化的非 相似文献
8.
论最优预报因子与最优预报方程 总被引：9，自引：3，他引：9
本文根据预报量与预报因子关系的实际情况,提出了预报因子的四种类型,并且利用最优化方法原理选取最优的预报因子,同时还利用强迫引进重要因子的办法选取最优预报方程。从实例计算证明,最优预报因子基本上是非线性的,所以用逐步回归或逐步判别方法建立的预报方程也是非线性的,并且还证明,非线性预报方程比线性预报方程效果有明显的提高。本文最后还指出,此种非线性预报方法可推广到各个领域有关多元分析的定量和定性预报工作中去。 相似文献
9.
10.
一、前言在多元统计分析中,回归分析是它的一个重要分支,目前在自然科学和社会科学的预测当中广为应用。回归分析就是研究因变量与自变量的关系,在许多变量中挑选出有意义的变量建立回归方程。如何求得“最优”回归方程,国内外曾做过不少的探讨,在文献[1]中认为,采取“有进有出”的逐步回归 相似文献