黄水沟站月水量预报方案的编制

利用黄水沟站49年的水文资料，运用数理统计方法，分析月水量要素自身的统计规律或月水量要素与其他有关因子之间的统计关系。应用计算机和预报软件程序，预报黄水沟站未来年份月水量的取值。     

水库中长期水文预报模型研究（Ⅰ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了7个基于径流及其影响因子的成因统计关系的预报模型,重点介绍了其中的多维混合回归、模糊分析、门限回归模型,这些模型为有效地进行水文对象的中长期预报提供了坚实的基础。     

水库中长期水文预报模型研究（Ⅱ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了3个基于径流及其影响因子的成因统计关系的预报模型,分别为投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络模型,这些模型为有效进行水文对象的中长期预报提供了坚实的基础。     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报，根据南京夏季梅雨期的天气特点，用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）预报产品中寻找预报因子，然后用2种方法选取输入因子分别对人工神经网络进行训练，并利用抽取的5天雨量实况作降水分级预报检验．通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS数值模式的降水预报相比，人工神经网络降水预报方法的准确率提高了20％以上，而且漏报、错报明显减少；特别是与逐步回归预报相比，大到暴雨的预报准确率得到了明显提高，这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值．     

浅谈单因子水文预报方程算法

本文介绍了单因子水文预报要素的数学模型,并通过实例列举计算分析水文预报方程的Gass消去法和Gass-Seidel迭代法基本算法。     

智能预报模式与水文中长期智能预报方法

建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中长期水文智能预报时，首先选取训练样本的数量，根据预报因子与预报对象的相关关系得到相对隶属度矩阵;再将其作为BP神经网络输入值以训练连接权重；最后将得到的连接权重值用于预报检验。计算结果表明，智能预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。     

结合大气环流和遥相关信息的集合径流预报方法及其应用

该文采用集合径流预报(ensemble streamflow prediction,ESP)方法对汉江白河站1970～2000年逐月径流量进行了回顾式预报。针对传统集合径流预报方法中对气象条件变异性考虑不足这一问题,该文尝试引入影响径流的大气环流因子和遥相关信息,对历史气象年份进行挑选,选择与预报年相似的历史气象条件组成集合,以增加气象集合输入的代表性,从而提高径流预报的精度。以夏季(6月、7月、8月)和冬季(12月、次年1月、2月)月径流量为预报对象,改进后的集合径流预报方法显著地提高了预报精度,各月预报的合格率均超过60%,其中8月和12月的合格率达88%,能够满足实际生产需要。     

短期气候预测中基于预报因子的误差订正方法研究

依据动力-统计相结合进行短期气候预测的基本思想,为了将统计经验运用于动力预报中,提出了基于预报因子的误差订正新方法(PREC).分析表明,该方法能够有效利用预报因子与模式预报误差之间的显著相关关系,并通过建立统计预报模型对预报误差进行估算和订正.进一步利用国家气候中心CGCM的季节回报数据,并选用表征气候系统年际变率最主要模态ENSO循环的特征量(即Nio3区海温指数)作为物理预报因子,将PREC应用于动力季节预测试验.相比于传统的系统误差订正,利用前期预报因子信息的PREC对夏季平均环流和降水量预报结果均有不同程度改善,从而为利用统计经验改进短期气候预测提供了新途径.     

东海入海爆发性气旋预报系统

利用卫星云图资料,结合东海入海爆发性气旋的生成和发展先兆,对东海入海爆发性气旋的发生、发展和移动路径等要素的预报方法进行了分析,并建立了相应的预报系统。实际资料效果检验表明：该方法对东海入海爆发性气旋要素预报的准确度较高,所建系统使用方便、灵活,为东海入海爆发性气旋的预报提供了新思路和新方法。     

应用模式输出统计作海雾出现判别预报

应用模式输出统计的逐步判别方法，对山东南部沿海４－７月海雾出现作２４ｈ的判别预报。候选预报因子包括：日本数值预报传真图，近岸台站的观测，经验设计因子及其一些组合因子。     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报,根据南京夏季梅雨期的天气特点,用统计和动力学方法从HLAFS(高分辨率有限区域预报系统)预报产品中寻找预报因子,然后用2种方法选取输入因子分别对人工神经网络进行训练,并利用抽取的5天雨量实况作降水分级预报检验.通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现:与HLAFS数值模式的降水预报相比,人工神经网络降水预报方法的准确率提高了20%以上,而且漏报、错报明显减少;特别是与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高,这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值.     

模糊类比分析法在渔业数值预报中的应用研究

渔业数值预报除涉及水文、气象、饵料生物量、资源幼体等的资源环境因子外，还要考虑经济、社会等因素。本文在分析1987～1993年历史资料的基础上，利用资料之间的类比性，提出渔情预报的模糊类比分析方法，将预报年份与历史记录之间的多指标综合类比排序，得出预报值。在东海北部鲐鲹渔情预报中发现，与直接估算法比较，该方法具有所需资料少、预报迅速合理的优点，而且随着历史资料的扩充，自身能够不断学习更新。     

一种确定预报因子权重的方法

因子权重的确定是评价、决策、预测中的一项重要工作。根据模糊聚类与模糊识别理论，基于模糊环境下的目标函数，提出了一种确定预报因子权重的理论模式。该方法数学基础严密，可以避免实际工作中主观因素的影响，从而克服了实际工作中确定权重的困难。具有实用性。     

南郑县森林火险区划及森林火险等级预报气象服务系统

根据南郑县森林，地理、气候特点，利用树种、林种和气象等因子做聚类分析，划分出了梁山山系、浅山丘陵马尾松林带、元坝林区和碑坝林区四个森林火险片。结合影响森林火险的气象因子，利用适合南郑县具体情况综合指标法定量预报森林火险等级。区划考虑了森林、地理特性，预报考虑了气象条件的影响。该方法综合全面，符合南郑县的具体情况，投入使用以来。预报结果能较好反映各林区实际火险状况。     

开都河年径流量逐步回归模型的建立与预报

每年7、8月份，巴州有关部门要求水文部门预报开都河当年年来水量，本文为满足此项要求而撰写。文章应用逐步回归分析的基本原理和方法，分别以开都河大山口水文站1956-1999、1956-2000、1956-2001、1956—2002、1956-2003年当年1-7月及前一年1—12月月平均流量序列(19个因子)为预报因子，以当年年径流量序列为预报对象，建立了逐步回归预报模型，并对2000、2001、2002、2003、2004年年径流量分别进行了试预报，试预报结果符合水利部《水文情报预报规范》(SL250---2000)要求，可供生产实践参考和应用。     

基于偏最小二乘回归的洪水预报方法

针对常规多元回归模型无法克服预报因子间复相关性的问题,提出了基于偏最小二乘回归的洪水预报方法.通过结合遗传算法与偏最小二乘回归来进行因子筛选,对筛选后的因子采用Bootstrap方法进行检验,再建立基于偏最小二乘回归的预报模型.实例分析结果表明,该方法建立的洪水预报模型结构简单,能依据给定目标进行因子筛选,有助于克服水...     

径流中长期预报模糊优选神经网络模型应用研究

预报因子选择与模型训练精度确定,是模糊优选神经网络模型应用于径流中长期预报时有待研究解决的两个重要问题.应用预报因子集与预报量间的复合非线性相关分析方法选择预报因子(集),克服了通常单因子线性相关分析选择预报因子的不适用性;通过定义综合效应系数来综合评价模糊优选神经网络模型的拟合能力与外推预报能力,为研究模型的拟合精度高而外推预测精度低的问题提供了一种解决方法.     

高度场格点距平的长期统计预报试验

采用多通道奇异谱分析和相似预报方法，建立了长期统计预报模型．以７００ｈＰａ前期位势高度场显著时空主分量为预报因子，直接预报后期高度场格点距平的类别，由此获得了一定的预报技巧     

南海夏季风建立日期的预报研究

利用1958-2001年ECMWF和1948-2006年NCEP的全球再分析气象资料,研究南海夏季风爆发迟早与前期气象要素场之间的关系。结果表明,南海夏季风建立日期与当年2月份全球风场(u、v、ω分量)、位势高度场、气温场等气象要素场之间都存在显著相关区。把各要素场中的显著高相关区视为影响季风建立日期的关键区,并定义关键区内的要素平均值为建立日期的预报因子,从中选取10个与建立日期关系最为紧密的预报因子建立预报方程,对季风建立日期进行预测。分析发现,有10个预报因子与季风建立日期有密切联系,对季风爆发迟早有一定的指示能力和预测作用。最后,经过SAS系统的分析和试验选择最好的回归预测方案,利用10个预测因子建立南海夏季风建立日期回归预报方程(简称回归预报方程)。对回归预测方程进行回报实验发现,拟合得到的南海夏季风建立日期与许多学者确定的建立日期之间的相关系数都达到95%以上的置信度,拟合误差基本控制在2候以内,有一定的预报能力。可以说,该方法是作为预报南海夏季风爆发迟早的一种新的尝试。     

基于递归神经网络的多频预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题，提出了基于局部递归神经网络的多步递归神经网络（MSRN）模型，对时间序列进行了多步预报，用模拟振动数据把MSRN模型用作单步和多步的预报能力，同经典的多层前馈刘经网络进行了比较，并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势，实践表明，用该方法进行多步预报误差小，并具有良好的预报能力。