排序方式： 共有8条查询结果，搜索用时 12 毫秒
1
1.
降水预报模型的性能与诸多因素有关,除了与研究区域特征和研究数据有关,还受到模型自身算法、统计模拟方法、性能度量指标等的影响。本文基于2015~2019年我国黑龙江省28个站点逐日降水、平均气温和平均相对湿度等地面常规气象资料,运用留出法、自助法等蒙特卡洛统计模拟和机器学习方法,首次系统研究了黑龙江省夏季逐日降水预报模型的性能和模型性能的空间分布特征。结果表明,对研究区域整体来说,BP(Back Propagation)神经网络和支持向量机的总体预报性能没有显著差异,ROC(Receiver Operating Characteristic)曲线面积值均高于76%,显著优于决策树。自助法估计的模型预报性能始终优于留出法,并且有助于提高评估结果的保真性。对研究区域单个站点来说,除个别站点以外,支持向量机的准确率和ROC曲线面积值均高于80%,并且呈现东南大西北小的空间分布趋势,该趋势与降水频率的分布基本一致。支持向量机在小兴安岭和张广才岭的总体预报效果较好,三江平原次之,松嫩平原较差;而敏感度在山区大,平原区小,中部和南部大,东部次之,西部和北部小;特异度空间分布则恰好与敏感度相反。 相似文献
2.
采用中国南方湖南、湖北、贵州、广西、江西和安徽6省近50 a 1月份降水和气温资料,运用正交函数分解法和SYM8小波分析了它们的时空分布特征,并对极端低温的区域均值进行了广义极值模型拟合,同时研究了降水与气温的相关性.结果表明,该地区1月份降水量主要有全区域分布型和南北分布型,极端低温主要有全区域分布型、南北分布型和东西分布型.1月份降水量的全区域总和以及南北部差值都有先增后减的趋势.全区域的极端低温缓慢增长,南北部的差值先减后增,东西部的差值在1975年以前递增,随后几乎趋于稳定.6省1月份极端低温区域均值服从Weibull分布,在95%置信水平下,预测50 a一遇和100 a一遇的极小值达-6.78 ℃和-7.41 ℃.1月份降水量与极端低温的相关不显著,与平均气温在局部地区为负相关. 相似文献
3.
为研究香港地区低能见度时数变化规律,采用HHT变换 (Hilbert-Huang Transform) 对1968—2014年香港地区的低能见度时数进行周期分析。基于瞬时能量、稳定性和M-K检验 (Mann-Kendall test) 得到低能见度时数变化的突变点,结合1997—2013年污染物数据,采用t检验分析了各污染物与突变点以后的低能见度时数之间的相关性。结果表明:香港地区低能见度时数总体呈上升趋势,且存在1年、2年、3年和7年的年际变化周期以及10年和大于20年的代际变化周期;季节方面则表现为冬季最多,春、秋季次之,夏季最少。1993年为香港地区的低能见度时数的变化突变点;香港低能见度时数与SO2、NOX、RSP、PM2.5、VOC、CO排放的关系密切。 相似文献
4.
基于1960—2012年的地面常规气象指标、大尺度气候指数和NOAA气候分析产品,利用功率谱周期分析、时间尺度分离分析和交叉检验的逐步回归分析等,把吉林省春旱期(4—5月)降水量分离成不同时间尺度的值,并在年代际尺度和年际尺度下分别找到显著相关的影响因子。结果表明:吉林春旱期降水存在着2~4 a的年际变化和10 a左右的年代际变化。在年代际尺度上,4月降水与前期3月南半球环球状态指数以及俄罗斯东部高纬地区的低空经向风有关,5月降水与同期北半球环球状态指数和前期4月太平洋中高纬环流有关;在年际尺度上,4月降水与前期3月混合ENSO指数和同期当地相对湿度、华东华北沿海地区的低层经向风有关,5月降水与同期北大西洋涛动指数以及局地相对湿度、地面气压有关。利用选出的影响因子对降水进行预报,估计值和真实值的相关系数分别为0.67(4月)和0.81(5月),且选择合适的影响因子比模型结构更加重要。 相似文献
5.
针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征模态分量,并根据不同分量样本熵的计算结果进行分量序列重构。然后,针对每一个重构分量,构建自回归移动平均预测模型。最后,将各分量的预测值进行叠加,得到组合模型的预测值。此外,还构建了ARIMA单一模型和其他组合模型,旨在与CEEMDAN-SE-ARIMA组合模型对比。结果表明:CEEMDAN-SE-ARIMA组合模型考虑了时间序列的模态混叠特征,能有效提高东北地区夏季降水时序模型的预测能力,具有良好的预测应用价值。预测结果较单一模型和其他组合模型均有所提高,MASE降低了0.02～0.91 mm,RMSE降低了0.80～130.49 mm,MAE降低了2.52～129.84 mm,MAPE降低了1.08～35.53 mm。CEEMDAN-SE-ARIMA模型在降水变率较小的西北部区域预测效果更好,对东南部区域的极值分布中心预测较为准确。 相似文献
6.
用最小绝对偏差方法(LAD)估计极值分布参数的探讨 总被引：2，自引：3，他引：2
数理统计问题中的最小绝对偏差方法(Least Absolute Deviation)由于具有良好的稳健性,近年来备受重视。本文所研究的是如何将最小绝对偏差法及非线性回归模型相结合,应用于极值分布的参数估计,并与经典的参数估计法相比较。通过对徐州市降雨量数据的研究表明,改进后的参数估计法不仅提高了模型拟和的精确度,而且有良好的稳定性,可以推广到相关气象要素的预测、预报研究中。其中,将LAD法运用于极值分布模型是一个新的尝试。 相似文献
7.
利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模态,研究逐日降水和天气模态之间的关系,并基于此关系提出逐日降水量的蒙特卡罗模拟方法。结果表明:SOM对天气模态的分型质量较好,邻近天气模态的累积概率分布较相似,距离较远的天气模态累计概率分布差异较大。各天气模态下无降水的概率与日降水量区间宽度的相关系数为-0. 94,显著性水平小于0. 01。基于降水量累积概率分布,20种天气模态被划分成4类,并与降水易发程度和逐日降水量完全对应。在此基础上,对吉林省24个站点逐日降水量进行蒙特卡罗模拟,并进行预测性能分析。平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RM SE)的中位数分别为3. 12 mm和6. 13 mm,SBrier和Ssig分别为0. 06和0. 51,站点的逐日降水量预测性能整体较好。MAE和RMSE分布呈现东南大西北小,去除降水自然变异差异的影响,所有站点的误差都较小; SBrier和Ssig没有明显的空间分布特征。 相似文献
8.
根据灰色系统理论的新信息优先原理,在建模过程中赋予新信息较大的权重可以显著提高灰色建模的功效．将无偏ＧＭ（１,１）模型的初始条件由ｘ（１）（１）改为ｘ（１）（ｎ）,对原模型进行改进,从而提高了所建模型的模拟预测精度．通过实例验证了所建模型的实用性和可靠性． 相似文献
1