概率回归估计法在三化螟长期预报中的应用

概率回归估计法又称多因子综合概率预报法.它是通常线性回归分析方法的一个发展,其预报方程仍是线性回归方程,但其预报的不是预报量的数值,而报的是预报对象 y出现在某一级的概率.它的基本思想是:如果预报对象 y 出现在某一 n_0级的概率最大,     

新安江流域5—9月间汛期雨量预报的混合回归模型

应用回归模型拟合,是考虑因变量与自变量之间的统计依赖关系,借以预报因变量的未来值.而自回归模型拟合,是考虑因变量自身前后的统计依赖关系,借以预报序列的未来取值.前者没有利用因变量自身的统计依赖关系,后者没有利用因变量与自变量之间的统计依赖关系.在雨量预报中,雨量的多寡,有时不仅与所选自变量有关,而且与预报量的历史取值亦有很大联系.混合回归模型综合了以上两种考虑,克服了单纯回归模型存在的不足。     

偏最小二乘回归方法(PLS)在短期气候预测中的应用

对广西88个站冬季(12月、1月和2月)各月平均气温距平场作自然正交展开(EOF分解),选取累积方差贡献超过90%的前3个主成分作为预报量.从前期平均大气环流场和海温场中查找预报因子,对这些初选因子用偏最小二乘回归方法(PLS)进行信息筛选和成分提取,用提取的新综合变量(又称成分)作预报因子,分别建立各月平均气温前3个主成分的回归预报方程.经独立样本预报试验证明,偏最小二乘回归方法具备良好的因子信息提取能力,其预报建模方法对冬季月平均气温预报具有较好的预测效果.     

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.     

多维时序定阶方法对偏最小二乘回归模型预报精度的改进

运用时间序列多维自回归模型的定阶方法 ,解决了偏最小二乘回归模型中自变量的选择问题 .通过对我国财政收入的预报分析表明 ,这两种统计模型的结合使用 ,较大程度地提高了预报精度     

非线性时间序列的投影寻踪学习网络逼近

本文研究非线性自回归模型投影寻踪学习网络逼近的收敛性,证明了在L^k(k为正整数）空间上,投影寻踪学习网络可以以任意精度逼近非线性自回归模型,给出基于投影寻踪学习网络的非线性时间序列模型建模和预报的计算方法和应用实例,对太阳黑子数据,山猫数据及西安数据进行了拟合和预报,将其结果与改进BP网和门限自回归模型相应的结果进行比较,结果表明基于投影寻踪学习网络的非线性时间序列的建模预报方法是一类行之有效的方法。     

利用加权最小二乘法求解材积方程的参数

林业生产中经常用到的立木材积表是建立在回归方程基础上的.一般的程序是首先选择以胸径、树高或者它们的某种组合形式为自变量而以它们的相应材积为因变量的适宜材积方程,然后通过样本数据利用最小二乘法求出回归材积方程的参数.求出回归材积方程后,以此为基础编制成材积表或直接利用材积方程来预报材积.这个问题是一个利用回归方程进行预报的问题.关于回归关系的显著性检验,预报置信区间的确定等问题都是从理论上较为完备的线性回归模型出发的.从回归估计的理论我们知道,线性回归模型要求预先满足一些假定条件,主要的假定有,对任给定一组…     

常用大气污染预报模式的应用及比较分析

针对丹东市采暖期SO2污染的实际情况及气象因子的关系,建立了逐步回归、偏最小二乘回归、主成分回归和BP神经网络等4种常用的大气污染预报模式,并在实际预报中进行了模拟、试报和应用,结果发现,各个模式模拟值与实际值的变化趋势基本一致,BP神经网络方程和偏最小二乘回归方程的预报值与实际值的接近程度要好于逐步回归方程和主成分回归方程.     

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.     

新型冠状病毒肺炎疫情预测预报的非线性回归方法

本文介绍几种累计新型冠状病毒肺炎(COVID-19)疫情预测预报中的非线性增长曲线,并说明Richards增长曲线在这次COVID-19疫情预测预报中的合理性和可行性;在此基础上,建立累计COVID-19疫情预测预报中的非线性回归点模型,并给出参数估计方法;对全国COVID-19疫情进行即时跟踪预测预报,包括数据校准、整体和分时间段的预测预报,同时获得全国COVID-19疫情随时间的预测预报结果,为进一步的疫情防控打下良好基础.     

主成分分析与支持向量机相结合的区域降水预测应用

将主成分分析和支持向量机回归相结合,以广西5、6月区域平均日降水量作为预报对象,进行区域日降水量预测研究.首先,整理分析大量的T213数值预报产品信息数据进行主成分分析,得到主成分数据序列;其次,根据主成分数据序列建立训练集训练支持向量机,并利用遗传算法优化参数;最后,输入支持向量机所需数据,得到主成分预测结果,建立广西日降水预报模型.实例计算结果表明,支持向量机回归模型比逐步回归模型有更好的预测能力.     

我国北方主要产麦区冬小麦产量海温业务预报模式

本文针对所选取的同类海温因子,彼此之间所存在的多重共线性对回归模式的不良影响,运用主分量分析方法,对因子进行正交化处理,使因子之间不再相关,而主分量同预报量相关显著.然后,采用带有周期分量的逐步回归方法建立气象产量预报模式.该模式既考虑预报因子对方程的贡献,又考虑预报量和预报因子的周期分量对方程的贡献,克服了相关不稳定的因子对方程的影响,使其方程更为合理.     

一类离散变量的回归模型

在实际工作中,建立离散变量的回归预报方程是一个不可回避的问题。本文采用了将回归模型化成方差分析模型的统计思想,并将正交试验法应用于试验的方案设计,给出了离散变量回归模型参数估计的一种简单的计算方法,讨论了模型的应用,列举了它在生物和成矿预测方面的应用实例。     

逐步回归分析及其在气象预报中的应用

本文介绍回归问题中挑选出重要的自变量,并建立回归方程的一种方法——逐步回归分析方法及其在气象要素(降水)预报方面的应用.     

多种统计方法综合做黑白灾预报的试验

目前，长期天气预报主要采用统计学方法．根据多年实践经验，多种统计方法综合分析较之某单一方去做预报的效果好．我们将计算相关场、逐步回归、周期分析、自回归等方法连贯、综合起来做内蒙古牧区冬季至初春的黑白灾预报试验，提高了历史拟合率。取得较满意的结果，在实际预报业务中使用，也获得较好的效果．     

股票内在市场价值的数学模型

本文建立了股票内在市场价值的数学模型，应用统计回归方法，求出了预报内在市场股价的非线性计算公式，给出了进出仓决策的方法和操作实例。     

推理统计模型

一、引言 我们常常用数理统计方法(如回归、判别等)来预测未来天气,但在应用中发现,有些预报量并非遵循某种分布(如正态分布),预报量的样本长度受因子场的长短所限制,尤其随现代科学技术的迅猛发展,不断提供新的预报信息,但由于其年代短,难于应用;不同长度的因子难于被方程同时引进;有些预报量纯属小概率事件.以上种种,利用常规的统计方法是难于得到园满解决,本文针对这些问题,用推理统计模型,建立预报方案,在长期预报等方面业务应用中,颇著成效. 二、推理统计模型概述 人工智能( AI)技术问世以来,作为其分支的专家系统( ES)发展发展十分…     

不确定信号系统鲁棒观测融合Kalman预报器

对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性.     

不确定信号系统鲁棒观测融合Kalman预报器北大核心CSCD

对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性.     

多元线性回归模型的漠河站开河预测

在黑龙江漠河站的天然河道,开河时期的冰坝和凌汛形成的机制复杂.目前许多冰动力学模型很难模拟和预报开河期,常用的的预报一般采用传统的统计学方法和经验判别式法.为应对严重的防凌形势,需要找到冰情预报的全新方法.提出了一种多元线性回归模型的方法.方法要求有冰层厚度、温度、降水量及与开河密切相关的冰情相应参数.冰层厚度、温度可以从实验室研制的温度梯度传感器测得相应的参数.预报方法应用在黑龙江漠河站的天然河段上,效果较好.