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。

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～

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。

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。

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。

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.

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。

基于最优子集回归的光纤陀螺变温零偏补偿

变温环境下,Shupe效应会对陀螺零偏产生影响,建立线性模型对其进行补偿是工程中常用的一种辅助手段。首先分析陀螺输出漂移与温度的相关性,然后以温度、温度梯度及二者高阶项、交叉项为自变量集合,针对随着补偿模型自变量个数逐渐增加,光纤陀螺补偿后输出漂移极差存在最低值的特性,提出基于最优子集回归,确定模型自变量数量,建立多元多项式回归模型近似求解零偏输出与温度及其相关量的关系。实验与仿真结果表明,当环境温度在-40~60℃变化时,100s滑动平均处理后,该模型使最终的漂移极差减小71.05%,零偏输出减小94%,有效地降低了温度对陀螺零偏的影响,同时具有占用资源少、实时性好的优点。

最优子集回归在岩体分级中的应用

将最优子集回归分析引入到岩体质量分级的问题中,以工程实测岩体质量数据作为回归样本,在众多的回归方程中选择了最优的回归方程,建立了岩体质量分级公式。对模型进行了回归系数显著性、复共线性和残差图检验以及预测能力的检验,研究结果表明:最优子集分析建立的最优回归方程是合理的;回归模型性能良好,回判估计的误判率很低,预测精度高。相比距离判别分析模型,最优子集回归模型在现场岩体分级更加方便,评判因子更少,为工程建设节省了因为收集多余因素而浪费的人力、物力和时间,因此最优子集回归分析模型是一种值得推广运用的岩体分级方法。

基于最优子集回归和临床病理/血液学参数的早期宫颈癌预后预测研究

目的:探讨早期宫颈癌预后相关因素并建立预测模型,为术后辅助治疗提供临床依据。方法:收集172例接受根治性子宫切除术的宫颈癌(术前分期为IB1、IB2、IIA1)患者的临床病理资料和术前血液学参数。通过最优子集回归分析,构建一个早期宫颈癌预后模型,并对其进行了预测效能评估。结果:全集患者中位发病年龄50岁;中位无病生存期(disease free survival,DFS)33.5个月,1年和3年的DFS分别是94.8%、89.7%。病理分期、肿瘤大小、浸润深度、阴道切缘状态、手术方式(腹腔镜或开腹)放射治疗情况与宫颈癌预后密切相关。此外,中性粒细胞比例、单核细胞比例和红细胞压积也与预后有关。基于以上因素建立的预后模型的一致性指数为0.822(95%CI:0.781~0.863),经过1年和3年的校正曲线和决策曲线分析验证,该模型显示出较高的预测准确度并具有明显的净收益。同时Bootstrap内部验证得到C-index平均值为0.681(95%CI:0.637~0.729)。结论:本研究建立的基于临床病理、血液学参数的宫颈癌预后模型,能够直观地预测早期宫颈癌患者在术后1年和3年的DFS。

最优子集回归模型在预测肝移植受者他克莫司血药浓度中的应用

目的:建立肝移植受者他克莫司血药浓度简易估算方法。方法:收集37例肝移植受者口服他克莫司的176份稳态全血浓度数据,采用最优子集回归法建立他克莫司稳态血药浓度简易估算公式。结果:以浓度测定前4日他克莫司累积剂量预测他克莫司血药浓度的准确性及精密度较好,平均预测误差(0.04±2.5)ng/ml,平均绝对误差(2.00±1.45)ng/ml,80.8%的血药浓度数据绝对预测误差≤3.0ng/ml。结论:本方法预测他克莫司血药浓度准确性和精密度较好,简便迅捷。

最优子集回归在武威市降水预报中的应用

选用Micaps下发的ECMWF 0～120h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。根据大气环流产生降水的物理机制不同，将天气形势分为西北气流型、西南气流型和不规则型3种，分别对预报因子和预报量进行线性0,1标准化处理，采用Press准则初选因子，最优子集回归建立武威市6个站点不同天气类型的0～120h降水预报方程，用多因子概率权重回归预测其降水概率。预报方程的降水和晴雨拟合率达0．742，0．783；投人业务试用后，0～120h降水和晴雨预报准确率孔达0．653，0．813，说明该预报模型对降水天气预报能力强，其预报能力超过或接近13常业务预报，为地市级客观预报提供了有效的指导产品。业务系统与MICAPS对接，实现全自动化，输出的预报产品客观。