基于最优回归子集的土壤解冻期降雨侵蚀模拟试验分析

春季解冻期是土壤侵蚀发生的主要阶段,表层土壤含水率高和未完全解冻层的存在是其侵蚀加剧的主要原因,遇到降雨等外力的影响极易发生土壤侵蚀。为揭示春季解冻期土壤侵蚀机理,采用室外冷冻室内解冻及人工模拟降雨方法,研究春季解冻期土壤初始解冻深度(5,10,15mm)、初始土壤含水率(20%,30%,40%)和降雨强度(0.8,1.0,1.2mm·min^(-1))3个因子对土壤侵蚀的影响。采用三因素正交试验设计方法进行试验,并应用最优回归子集技术分别建立土壤侵蚀量和产流时间的非线性回归方程。研究结果表明:在土壤侵蚀量的回归方程中除土壤含水率没有达到极显著外,初始解冻深度及其平方、初始土壤含水率平方及3个因素的两两交互作用极显著;在产流时间的回归方程中除初始土壤含水率极显著外,降雨强度、解冻深度及其平方、含水率平方、解冻深度与含水率及降雨强度的交互作用显著,建立的回归方程极显著。说明最优回归子集技术可以应用于春季解冻期土壤侵蚀的研究,可为春季解冻期土壤侵蚀机理及该时期土壤侵蚀量预测提供理论支持。

均匀设计实验资料最优回归子集的构建

目的本文针对均匀设计实验资料的回归分析结果不唯一的事实,提供构建均匀设计实验资料最优回归子集的策略。方法 拟合包含不同数目自变量的回归方程,运用SAS语言编写的程序对方程进行假设检验以获得最大F值为判断标准寻找最优回归方程,并用一个真实的实验资料演示这一计算过程和结果。结果 能够对给定的均匀设计实验资料以较快的速度和较高的精确度获得"较优(甚至最优)"的回归方程。结论本文所提供的方法是构建均匀设计实验资料最优回归子集的一个有效方法。

最优回归子集法在长爪沙鼠鼠疫疫源地风险分级的应用

目的分析河北省长爪沙鼠鼠疫疫源地动物鼠疫流行期间的相关危险因素,利用数据指标建立动物鼠疫流行的预测回归模型,对动物鼠疫流行进行风险分级。方法统计河北省长爪沙鼠鼠疫疫源地1990—2013年动物鼠疫监测数据和气象数据,对该鼠疫疫源地动物鼠疫流行总体数据6个指标(长爪沙鼠密度、长爪沙鼠巢蚤指数、长爪沙鼠体蚤指数、极端最低气温、平均相对湿度、日降水量≥0.1mm日数)利用SPSS 26.0软件最优回归子集法进行风险分级模型。将预报值y_(i)>0.50,预报为流行;预报值y_(i)<0.20,预报为不流行;0.20≤y_(i)≤0.50,预报为高风险。结果对风险分级采用实际数据进行拟合,最优回归模型y_(i)>0.50预报流行拟合率为100.00%,y_(i)<0.20预报不流行拟合率为100.00%,0.20≤y_(i)≤0.50预报流行拟合率为71.43%。结论以最优回归子集法模型预报结果为依据建立的河北鼠疫疫源地动物鼠疫流行风险分级模型,拟合效果好、结果准确度高,可为预测动物鼠疫的发生及鼠疫防控策略的制定提供数据支持。

最优回归子集法在达乌尔黄鼠疫源地风险分级中的应用

目的对达乌尔黄鼠疫源地动物鼠疫流行情况进行风险分级。方法对内蒙古达乌尔黄鼠疫源地动物鼠疫流行总体数据7个监测指标（鼠密度、鼠体染蚤率、鼠体蚤指数、巢穴蚤染蚤率、巢穴蚤指数、洞干蚤染蚤率、洞干蚤指数）利用Matlab软件中最优回归子集法进行风险分级，采用指数平滑法预测2012年动物鼠疫流行的风险。按照检出鼠疫菌为流行（y=1），未检出菌视为不流行（y=0），将风险分为流行、高风险及不流行3级，若预报值y〉2／3，预报为流行；若预报值y〈1／3，预报为不流行；若1／3≤y≤2／3，预报为高风险。结果对风险分级采用实际数据进行拟合，当y〉2／3时预报流行的拟合率均为100％；回归模型的回归因子≥4个时，y〈1／3时预报流行的拟合率均为100％；1／3≤y≤2／3时预报流行的拟合率约为50％。结论风险分级预测结果表明2012年达乌尔黄鼠疫源地不会发生动物鼠疫流行，预测结果与实际情况相符（当年实际并未检出鼠疫菌）。

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现,并结合最优子集回归（OSR）方法对中国区域的季节降水进行降尺度预报,比较其与多模式集合预报的技巧。研究表明：多个单模式在中国区域对季节降水的模拟性能普遍较差,多元线性回归（MLR）集合的预报技巧不如集合平均（EM）。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季,降水距平相关系数（ACC）在长江以南、西藏以及内蒙古中部等地区提高很显著,ACC在中国区域的平均达到0.29,明显高于多模式集合平均与多元线性回归集合。冬季,OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分（BSS）也表明了OSR方法对季节降水预报的改善。需要说明的是,虽然OSR方法在中国区域能明显提高季节降水的预报技巧,但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。

基于均生函数-最优子集回归预测模型的青藏高原气温和降水短期预测

以青藏高原78个站点50年的逐年降水和温度数据为基础,使用SOFM人工神经网络模型对高原的降水和温度变化进行了分区,并采用均生函数-最优子集回归(MGF-OSR)预测模型对青藏高原的降水和温度进行了5年情景的预测。预测结果表明:总体而言,今后5年青藏高原的降水年际波动较大,并没有显著的趋势;但青海东南和西藏东部部分地区有明显的减少。青藏高原的总体温度变化增加趋势显著,仅高原东南部明显降温。

最优子集回归在青藏高原冬季降水、气温预报中的应用及改进

最优子集回归预测方法在天气预报等领域得到了越来越广泛的应用 ,方法本身没有涉及到图形处理。我们对方法、原理及过程进行深入细致的研究后 ,重新编写了程序的头部、中部、尾部语句及子过程调用函数 ,经多次调试试验 ,实现了入口资料调用灵活、多变、计算模拟结果屏幕绘图显示等 ,提高了预测方法的整体实用性和预测信息的可视化程度。检验得知 :该方法对青藏高原冬季降水、气温的定性、定量预报均具有较高的预报精度。

均生函数—最优子集回归在高温极值预测中的应用

根据南京等城市 1961年以来历年气温极值资料序列 ,采用均生函数—最优子集回归法设计的短期气候预测模型不但能较好地拟合历史实况 ,而且对未来 1～

南海夏季风爆发日期与海温的多尺度关系及最优子集回归预测

采用小波变换,Lanczos时间滤波器,相关分析研究了南海夏季风爆发日期的多尺度特征及与海温场的关系,并研制了南海夏季风爆发日期的短期气候预测新方法——多尺度最优子集回归预测方法。结果表明,1958—2008年南海夏季风爆发的平均日期为5月18日,标准差约10d,具有弱的偏早爆发趋势,存在15.4a的年代际变化和5.3a的年际变化周期。在年际变化尺度上,南海夏季风爆发日期与前期冬季(12—2月)海温场有4个显著的相关区,分别为热带南印度洋,菲律宾以东的热带西北太平洋,赤道中东太平洋,热带东太平洋。在年代际尺度上,南海夏季风爆发日期与前一年(前一年3月至当年2月)海温场的显著相关除有与年际尺度一致的热带西北太平洋海区外,还存在5个显著不同的相关区,即西南印度洋,东南印度洋,北太平洋,热带东南太平洋和东南太平洋。1999—2008年的独立样本检验表明,多尺度最优子集回归预测方法的最大预测误差为8.5d,预测值与实际值相差在5d以内的占50%,且对爆发日期的异常迟早具有较好的预测能力,它明显好于最优子集回归预测与单,多变量的线性回归预测。多尺度最优子集回归预测可以为南海夏季风爆发日期的短期气候预测业务预报提供重要参考。

基于均生函数的最优子集回归方法在江西雨季降水预测中的应用

通过基于均生函数的最优子集回归方法在江西雨季 (4～ 6月 )降水预测中的应用 ,发现预报步长为 1 a时 ,预报效果较为理想。其中 4月份的预报能力最强 ,5、

基于气候重建资料及均生函数-最优子集回归模型的降水预测

利用由科尔沁沙地榆树区域综合年表而重建的181a降水序列,采用均生函数-最优子集回归(MGF-OSR)预测模型对科尔沁沙地降水进行了5a情景的预测,克服了以往序列短的不足。模型建模期相对误差绝对值在3%、5%、10%以内的年数分别占建模年数的36.46%、64.64%、93.37%,建模期模拟精度较高。2007～2010年实测检验期,模拟与实测值保持了方向一致性,各年份相对误差绝对值分别为11.40%、6.73%、22.06%、5.49%,大部分年份预测较理想。经预测,2011～2015年期间,2011年、2012年、2014年和2015年为降水正常年份,2013年为降水偏干年份。与实际情况对比,2011年与预测一致,2012年稍有差别。总体上,2011～2015年降水变化较为平缓。

最优子集回归在夏季高温极值预报中的应用

利用2003-2007年6-9月ECMWF格点场资料,使用差分法、天气诊断、因子组合等方法构造出能反映本地天气动力学特征的预报因子库.考虑气温变化的连续性,采用Press准则初选因子,用最优子集回归建立6-9月0-72 h≥35℃高温预报方程.2008年预报系统投入业务应用,检验证明预报效果较好,提供了有效的地市级客观预报指导产品.业务系统与MICAPS对接,实现全自动化,输出的预报产品客观、定量.

基于均生函数-最优子集回归模型的短期电力负荷预测方法

为进一步提高电力负荷预测的精度和运算速度,针对短期负荷预测样本数据既有趋势性又有波动性的特点,采用均生函数-最优子集回归(mean generating function-optimal subset regression,MGF-OSR)建立预测模型。相对于均生函数主成分回归(mean generating function-principal component analysis,MGF-PCA)模型,该方法引入了一阶、二阶差分序列对高频部分进行拟合,又建立累加生成序列拟合其趋势,通过均值生成函数(MGF)将上述所有序列构建出预测因子矩阵,采用双评分准则进行粗选,剔除评分较低的因子,其他预报因子经组合寻优后得到最优子集并以此建立预测模型。实例分析表明,该模型预测的平均相对误差可低至2.42%,明显优于主成分回归模型的预测精度。

定量结构-活性/性质相关性中变量的选择——正交变换法与最优子集回归法的比较

In this paper, the comparison of orthogonal descriptors and Leaps and Bounds regression analysis is performed. The results obtained by using orthogonal descriptors are better than that obtained by using Leaps and Bounds regression for the data set of nitrobenzenes used in this study. Leaps and Bounds regression can be used effectively for selection of variables in quantitative structure activity/property relationship(QSAR/QSPR) studies. Consequently, orthogonalisation of descriptors is also a good method for variable selection for studies on QSAR/QSPR.

基于模糊均生函数和最优子集回归的飞行事故率预测

为有效预防飞行事故的发生,针对飞行事故率具有随机波动性和趋势性的特点,采用模糊均生函数(FMGF)和最优子集回归(OSR)建立飞行事故率预测模型。该方法把FMGF延拓序列作为预测因子加入OSR方程,将FMGF分析和因子筛选相结合作OSR,进而对飞行事故率进行预测。通过对美国空军1988—2004年的飞行事故率进行拟合预测,结果表明:将FMGF模型和OSR模型有机结合,能够有效刻画飞行事故率的随机波动特性,并且其预测结果的相对误差也较小。

最优子集回归在福建热带气旋年频数预测中的应用

用相关分析方法普查了影响福建省热带气旋（ＴＣ）年频数与前期北半球５００ｈＰａ和１００ｈＰａ月平均位势高度场、北太平洋海温场以及５００ｈＰａ月环流特征量的关系，分析影响福建ＴＣ年频数的前期大气环流及海温场特征，寻找与福建ＴＣ年频数关系密切的预测因子，采用“两段筛选”的思路，选用逐步回归筛选出Ｍ个（１０个左右）预报因子，再用最优子集回归建立预报模型，其效果较为理想。

奇异谱分析-最大熵结合最优子集回归方法在中国夏季降水预测中的应用

基于奇异谱分析-最大熵预报方法(SSA-MEM)和最优子集回归方法(OSR),综合考虑降水量序列自身的变化特征和外强迫因子对降水的贡献,把奇异谱分析-最大熵预报方法和最优子集回归方法结合起来,提出了SSA-MEM和OSR集成的新方法。对1961—2000年的夏季降水量进行拟合并试做2001—2004年的夏季降水预测。结果表明,回报拟合值与实况值距平相关系数达到0.85,通过了0.01的显著性水平检验。预报的平均技巧得分较高,试报准确率达到69%,略高于目前国内对汛期降雨预测的平均准确率。初步的试验表明,本方法对全国范围夏季降水有较好的预测能力,在东北及西南地区预测结果尤为显著。

利用最优子集回归作鲁南夏季降水量预报

通过普查北半球５００ｈＰａ、１００ｈＰａ月平均高度场与鲁南夏季降水量的相关，选取相关信度达到０．０５的相关区的格点平均高度值作为预报因子，利用最优子集回归建立鲁南（以临沂、枣庄为代表站）夏季降水量预报方程，并投入业务运用。通过与逐步回归方法比较得知。

最优线性回归的计算方法

本文指出利用常用的逐步回归方法可以计算出回归分析中常用的5种准则下的局部最优回归子集,而模拟结果显示,在大部分情形下,局部最优回归子集是相重合的.这就为逐步回归方法在应用上的重要性提供了科学依据.最后作者对现今著名的几个数字例子进行计算,其效果也是十分满意的.

最优子集回归在逐日分县预报中的应用

本文采用ECMWF北半球500hPa高度、850hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好。