基于粒子群-支持向量机定量降水集合预报方法

首先对ECMWF不同物理量场预报因子群进行自然正交展开,选取能充分反映每个预报因子场主要信息的第一主分量作为模型输入.进一步利用粒子群算法对支持向量回归机的相关参数进行优化,以南宁市8个气象站单站逐日降水作为预报对象,建立粒子群-支持向量回归集合预报模型,进行单站逐日降水的数值预报产品释用预报方法研究.利用模型对2015年5-6月南宁市8站进行了逐日降水预报业务试验,结果表明,模型具有较好的预报效果.并提出了利用隶属函数建立可信度函数对不同的预报模型进行评价.     

��ָ���λ���ع�ı���ѡ��

多元非参数分位数回归常常是难于估计的, 为了降低维数同时保持非参数估计的灵活性, 人们常常用单指标的方法模拟响应变量的条件分位数. 本文主要研究单指标分位数回归的变量选择. 以最小化平均损失估计为基础, 我们通过最小化具有SCAD惩罚项的平均损失进行变量选择和参数估计. 在正则条件下, 得到了单指标分位数回归SCAD变量选择的Oracle性质, 给出了SCAD变量选择的计算方法, 并通过模拟研究说明了本文所提方法变量选择的样本性质.     

典型相关分析在台风路径预报中的应用

在台风路径预报中,通常使用的统计方法都没有涉及自变量场与预报量场之间的整体相关关系.典型相关分析则是从两组变量的相关性着手,把原来较多的变量归结为少数几个典型变量,且通过研究这少数几个典型变量的典型相关系数,来揭示两组变量之间的整体相关关系. 我们用典型相关分析从因子场提取的典型变量,试作台风路径预报所用的资料如下: 台风的起始预报区域由下列四点组成:     

最优组合预测的短期气候预报建模研究

以预报量序列建立均生函数短期气候预报模型及根据500hPa月平均高度场预报因子分别建立的BP网络模型、回归预报模型为基础,用"误差绝对值和最小"作为最优准则,建立月平均降水量的短期气候组合预测模型.采用线性规划方法计算得到组合预测模型的各权系数,对这种短期气候组合预测模型的预报能力进行了分析研究,结果表明,该组合预测模型的预报精度优于各子方法,具有很好的应用价值.     

模糊神经网络方法在定点定量降水预报中的应用研究

以单站24小时降水量作为预报对象,采用模糊神经网络方法进行了新的数值预报产品释用预报方法研究.首先通过对T 213、ECMW F预报因子场以及高空气象探测资料进行处理,有效浓缩多种物理量因子场的实况及预报信息,并进一步建立了南宁、桂林、河池、百色4站的降水模糊神经网络释用预报模型.运用与实际业务相同的预报方法对2006年6—8月进行逐日的降水量预报试验,并与相同时次的T 213降水预报产品进行对比分析.结果表明,4个单站的定点、定量模糊神经网络降水预报模型,在预报性能上明显优于同期T 213数值预报模式的降水预报结果.     

一类雨量预报准确性评价方法

给出了一种利用网格点的预报雨量来模拟区域内任一点预报雨量的方法,建立了预报雨量函数,进而得出预报雨量与实测雨量的整体偏方差的数学模型;利用QPF方法建立出准确率、预报效率、空报率、漏报率等评价预报方法优劣指标的数学模型,并对两种预报方法得出的数据进行了计算,得出上述模型中的数值如下:方案方法总体偏方差预报准确率漏报率空报率预报效率方法1 0.99987×10679.431%11.463%25.621%62.256%方法2 1.00518×10657.509%26.976%31.705%58.936%比较这些指标,可得第一种预报结果较好.     

数理统计在长期天气预报中的应用

用数理统计的方法预报长期天气仍是。目前气象台站常用的方法.在统计中,我们要不断地与数据、变量打交道.如何选择相关系数高,物理意义明确的变量组建方程,预报因子(变量)与预报量之间的时空尺度如何,统计中所用样本是否越长越好,是否存在一个最佳样本,这些问题是预报人员时时考虑的.本文就我们工作实践,谈点看法。 一、相关系数的分析与逐步回归方程的建立: 相关分析是气象预报业务的重要基础之一,相关系数的计算是指示预报因子与预报量关系的有力手段,相关普查是建立数学模型的基础,也是处理各种预报量与预报因子关系的因子库,为了提高长…     

基于加权损失函数下广义指数预报因子模型的汇率预测

本文提出在加权损失函数下构建汇率预测的广义指数预报因子模型。该方法首先选取有限个不同滑动参数构造指数预报因子,同时基于绝对值损失和平方损失的提出加权损失函数作为变量筛选的准则,然后在该准则下将指数预报因子进行线性组合,建立汇率预报的广义指数预报因子模型。本文最后用英镑/美元单周汇率数据与文献中的一些已有方法做比较,实证分析表明本文提出的方法在汇率预测效果上有较大改进。     

长期预报相空间模式的预报误差估计

§1.预报误差与资料个数、相空间维数和模式阶数的关系 设时间序列的点间隙为ε,模式的阶数为q,相点数为N,资料数为n,相空间维数为d,则:     

删失回归模型中的变量选择

在一个删失回归模型("Tobit"模型)中,我们常常要研究如何选择重要的预报变量.本文提出了基于信息理论准则的两种变量选择程序,并建立了它们的相合性.     

基于残差平方和的线性模型选择简单方法及其相合性研究

本文研究了回归分析理论中的自变量选择的重要问题,利用线性回归模型自变量增减的残差平方和理论,获得了一种选择自变量的准则,该准则的分析表明,它计算简单,而且在一定的条件下具有强相合性.     

ON A LARGE SAMPLE PROBLEM IN NONLINEAR REGRESSION

Assume that in the nonlinear regression model, independent variable sequence {xi,i≥1} is a known constant-vector sequence. This article proposes a condition on {xi}, which can be tested and verified easily. The condition is essential for proving the consistency and asymptotic normality of the estimator     

经典的用回归模型进行统计控制中的问题

利用回归模型进行统计控制,在实际工作中一直得到广泛应用。通常采用的方法是利用回归模型y^=a+bx进行逆估计,即根据回归模型的变换x=(y^-a)/b,由应变量Y的取值范围反推自变量X的取值范围。本文指出这种方法是很不合理的;进一步提出二种相对合理取代的统计方法。     

Treed Regression

Abstract

Given a data set consisting of n observations on p independent variables and a single dependent variable, treed regression creates a binary tree with a simple linear regression function at each of the leaves. Each node of the tree consists of an inequality condition on one of the independent variables. The tree is generated from the training data by a recursive partitioning algorithm. Treed regression models are more parsimonious than CART models because there are fewer splits. Additionally, monotonicity in some or all of the variables can be imposed.     

基于灰色系统理论的多元线性回归分析

运用灰色系统理论剔除了自变量观察数据中的噪声污染,对传统的多元线性回归分析方法进行了改进,建立了灰色多元线性回归分析模型.将模型应用于陕西省就业问题的研究,取得了满意的预测效果.     

An Acceleration Technique for the Augmented IIM for 3D Elliptic Interface Problems

A new fast algorithm based on the augmented immersed interface method and a fast Poisson solver is proposed to solve three dimensional elliptic interface problems with a piecewise constant but discontinuous coefficient. In the new approach, an augmented variable along the interface, often the jump in the normal derivative along the interface is introduced so that a fast Poisson solver can be utilized. Thus, the solution of the Poisson equation depends on the augmented variable which should be chosen such that the original flux jump condition is satisfied. The discretization of the flux jump condition is done by a weighted least squares interpolation using the solution at the grid points, the jump conditions, and the governing PDEs in a neighborhood of control points on the interface. The interpolation scheme is the key to the success of the augmented IIM particularly. In this paper, the key new idea is to select interpolation points along the normal direction in line with the flux jump condition. Numerical experiments show that the method maintains second order accuracy of the solution and can reduce the CPU time by 20-50%. The number of the GMRES iterations is independent of the mesh size.     

调和解存在的一个充分条件

给出具有两个实自变数的未知函数的线性偏微分方程（组）调和函数解存在的一个充分条件，及在此条件下方程（组）调和函数解的简化求法．     

A Comtrol Model of Linear Fuzzy Silf-Regression

ＡＣｏｎｔｒｏｌＭｏｄｅｌｏｆＬｉｎｅａｒＦｕｚｚｙＳｅｌｆ－ＲｅｇｒｅｓｓｉｏｎＬｕＦｅｎｇ，ＸｕＸｉａｏｇｕａｎｇ（Ｄｅｐ．ｏｆＭａｔｈ．Ｎｏｒｔｈｅａｓｔ（ＢａｓｉｃＢｒａｎｃｈＣｈａｎｇｃｈｕｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ）ＴａｘＣｏｌｌ...     

Quantile regression for index tracking and enhanced indexation

Quantile regression differs from traditional least-squares regression in that one constructs regression lines for the quantiles of the dependent variable in terms of the independent variable. In this paper we apply quantile regression to two problems in financial portfolio construction, index tracking and enhanced indexation. Index tracking is the problem of reproducing the performance of a stock market index, but without purchasing all of the stocks that make up the index. Enhanced indexation deals with the problem of out-performing the index. We present a mixed-integer linear programming formulation of these problems based on quantile regression. Our formulation includes transaction costs, a constraint limiting the number of stocks that can be in the portfolio and a limit on the total transaction cost that can be incurred. Numeric results are presented for eight test problems drawn from major world markets, where the largest of these test problems involves over 2000 stocks.     

Multigrid for the mortar element method for P1 nonconforming element

In this paper, a multigrid algorithm is presented for the mortar element method for P1 nonconforming element. Based on the theory developed by Bramble, Pasciak, Xu in [5], we prove that the W-cycle multigrid is optimal, i.e. the convergence rate is independent of the mesh size and mesh level. Meanwhile, a variable V-cycle multigrid preconditioner is constructed, which results in a preconditioned system with uniformly bounded condition number. Received May 11, 1999 / Revised version received April 1, 2000 / Published online October 16, 2000