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。

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。

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～

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。

基于Excel的最优子集多元线性回归预测模型设计

回归分析预测法是一种具体的、行之有效的、实用价值很高的常用市场预测方法。统计学中的回归预测分析具有普遍的实用意义,但变量之间关系分析及计算繁杂,而借助Excel可方便高效地研究其数量变动关系,完成其繁杂的计算分析过程。本文利用Excel的图表及数据分析工具,采用最优子集法,判断各变量间的相关程度,并在此基础上建立回归模型进行预测,使回归预测分析的计算过程更加简单,统计预测方法更为实用。

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。

基于最优子集法的长江上游水文站月流量预测

为了实现对长江代表水文站流量的中长期(月尺度及以上)预测,从表征太阳、大气、海洋特征的74项指数中,挑选与长江上游月流量有较好相关关系的特征指数作为备选因子,采用最优子集回归预测方法建立了预测模型,并对近32 a的月流量进行回报校验。结果表明,屏山站的最优子集回归预测效果略好于宜昌站。2013年6月,利用该方法预测了2013年7月屏山、宜昌站月流量,预测精度满足要求。

经济问题非线性回归预报的优化处理

通过非线性关系线性化的思想,利用线性回归分析和回归预测的原理,讨论两个非线性相关的经济变量之积何时取得极大值或极小值。并为运用计算机处理这类问题提供一种算法。通过一个实例,由产品的销售价格,预测需求量的近似最佳随机区间。

基于多元线性回归分析的操作成本预测模型建立与应用

油气操作成本高低不仅影响着油田公司的利润,更是油田公司发展壮大的一个制约因素,因此操作成本的预测对油田公司实现有效的成本控制起着关键作用。为了准确预测油田采油单位的操作成本,将操作成本与开发生产和财务中的多项指标因素直接联系起来,采用多元线性回归分析中的逐个剔除法、最优子集法和主成分回归法等三种方法分别对操作成本进行预测,得到三个预测模型。再对三个预测模型进行优选,得到更符合油田采油单位实际情况的操作成本预测模型,并应用于油田操作成本的分配,其结果客观合理。

模糊综合评价及其在回归预测中的应用

回归模型广泛应用于预测与控制中,在回归分析中,回归方程的选定最为关键,直接影响甚至决定预测与控制的性能,模糊综合评价方法正是解决了这一选择问题,它按照距离最优指标集的隶属度大小判别既定回归方程的优劣,但它并没有建立、产生新的方程,以进行更好的预测和控制.本文正是在模糊综合评价的基础上提出具有更好预测和控制效果的加权方程.

基于随机森林回归的国产电影首周票房预测分析

针对国产电影首周票房,以2015—2019年国庆院线上映的558部电影为样本,利用网络爬虫技术爬取首周票房、导演及演员阵容、电影评分等17个变量,分别建立最优子集回归和随机森林回归模型,对国产电影首周票房进行预测.通过交叉验证对比2种预测模型的预测精度,探索最优的预测模型.

广东开汛日期的多尺度物理统计预测模型

采用小波分析、Lanczos滤波器、相关分析、最优子集回归和交叉检验等方法,研究了广东开汛日期的多尺度变化特征及其与全球不同地区前期海温场、500hPa高度场的关系,建立了广东开汛日期的多尺度最优子集回归预测模型并进行了检验。结果表明,广东开汛日期存在显著的准6年和较明显的准17年周期振荡。广东开汛日期在年际和年代际变化尺度上与前冬海温场和500hPa高度场上共有20个显著相关区域,分别取对应时间尺度上显著相关区域的平均值作为预报因子,对相应时间尺度的广东开汛日期做最优子集回归,建立了相应的预测模型,以年际和年代际尺度上的预测值之和为广东开汛日期的预测值。所建立的预测模型具有较好的拟合效果,其中拟合值与实况值相差在5天以内的事件命中率为41.5%,10天以内的为60.4%。1951—2010年的交叉检验结果表明,广东开汛日期预测值和实况值之间的相关系数为0.33,通过了α=0.01的显著性水平检验。预测值与实况值相差在5天以内的事件命中率为26.7%,10天以内的为45.0%,因此,所建立的多尺度最优子集回归预测模型对广东开汛日期具有较好的预测能力。

辽宁地区夏季高温极值预测模型

利用1957—2006年辽宁地区夏季23个站极端最高气温资料和国家气候中心气候监测室的74项环流特征量资料,应用EOF方法对高温极值样本进行分解,研究辽宁极端高温的时空分布规律。结果表明:第一特征向量表现为区域整体一致的特征,中心区位于辽西北、辽北,第二、三特征向量空间分布表现为东西部反位相和南北反位相的特征。普查前3个时间系数与前期环流指数的相关关系,认为前3个时间系数的显著影响因子是不同的。采用CSC准则确定最优预测因子,分别建立各时间系数的回归统计模型,并对高温极值历史拟合序列进行回报检验和预测检验。回报结果表明,各站历史拟合率均保持在一定水平,但拟合率在辽西地区较差。各年历史拟合率极不均衡,多数年份较为稳定,但个别年份拟合率较低。未来3 a试验性预测效果逐年下降,模型对未来1 a预测能力较好,可以作为业务预测的参考。

福建春季降水量场预测模型研究

利用1960～2000年福建春季(2～4月)降水量场资料,分析了经验正交函数(EOF)展开得出的特征向量,以反映降水的空间分布特征。研究了前三种分布型的时间系数与前期北半球500 hPa、100 hPa月高度距平场和北太平洋海温距平场之间的关系,针对不同的分布型分别找出了不同的前期预测信号,以此为预测因子,构建出福建春季降水量场短期气候预测模型。利用该模型对2001、2002年福建春季降水量场进行试预测,取得了较满意的结果。

集合预报在重庆主城区降水预测统计模型中的应用

利用1892—2003年共112 a重庆主城区年降水量资料,采用均生函数、经验模态分解和最优子集回归等方法组合建立了两种降水统计预测模型,在两种模型中加入集合预报重新建立两种模型,利用建立的4种统计预测模型对2004—2013年重庆主城区年降水量进行预测及验证。结果表明:集合预报的加入对重庆城区降水的建模和预测效果均有明显改善。加入集合预报建立的降水预测模型优于未加入的模型,采用同一种方法所用序列长度不同的多种预测结果的集合平均降低了预测的随机性,改善了单一均生函数和最优子集回归的预测效果。在EMD分解和预测中加入集合预报,使集合平均方法能对经验模态分解的效果进行一定修正;且对未来每个分量的周期预测进行了集合平均,降低了每个分量预测的随机性,在一定程度上对最后各分量叠加后的预测结果进行了修订。从预测尺度来看,预测5 a尺度的效果较理想。虽然4种模型在建模期对年降水极值有较好的模拟效果,但验证期对极端降水异常年的预测效果较差,未来极端降水年的预测仍具有较大的不确定性。在此基础上利用1892—2013年共122 a资料,采用加入集合预报的两种统计预测模型预测了未来10 a即2014—2023年重庆主城区年降水的变化,其中未来前5 a的预测结果参考性更强。