混合概率典型相关性分析

典型相关性分析(canonical correlation analysis,CCA)是一种用来分析2组随机变量之间相关性的统计分析工具,但作为一种线性数学模型,CCA不足以揭示真实世界中大量存在的非线性相关现象.采用局部化的方法,在概率典型相关性分析(probabilistic CCA,PCCA)的基础上,使用概率混合模型框架,提出了混合概率典型相关性分析模型(mixture of probabilistic CCA,MixPCCA)以及估计模型参数的2阶段期望最大化(expectation maximization,EM)算法,并给出了使用聚类融合确定局部线性模型数量的方法和MixPCCA模型应用于模式识别的理论框架.在手写体数据集USPS和MNIST上的实验证明,MixPCCA模型通过混合多个局部线性PCCA模型不仅提供了一种捕捉复杂的全局非线性相关性的解决方案,而且还具备检测只在局部区域才存在的相关性的能力.

陆面热力因子应用于中国夏季降水预测的初步试验

基于对中国东部夏季降水与欧亚大陆土壤温度和全球海表温度的相关分析,选取不同关键区的土壤温度和海表温度作为夏季降水的预测因子。利用1961-1990年的资料,分别以土壤温度作为第1组预测因子,海表温度作为第2组预测因子,综合海表温度与土壤温度因子作为第3组预测因子,使用改进的典型相关分析和集合典型相关分析法对中国东部夏季降水场进行预测,建立了相应的预测模型。然后,利用1991—2010年的资料进行了独立样本预测试验。在独立样本预测试验中,综合海表温度与土壤温度因子建立的模型比只用海表温度进行预测的各项预测评分高,说明加入土壤温度因子后预测效果有所提高。基于陆面热力因子的预测模型对夏季降水有一定的技巧,而综合海温与陆面热力因子的预测模型对中国东部夏季降水有较高的预测能力。

春季海温对中国夏季降水影响的诊断研究和预测试验

文中利用季降水异常集合的典型相关预测模式 ,以全球春季 (3～ 5月 )海温场作为因子场 ,对中国夏季降水场进行了诊断研究 ,并对 1998,1999及 2 0 0 0年这几个典型的中国夏季降水进行了回报试验。结果表明 ,春季海温与中国夏季降水之间存在较好的关系 ,春季海温在较大程度上决定了中国夏季降水雨带及其分布类型。考虑面积因子的集合典型相关预测方案对中国夏季降水具有较强的回报能力 ,此模式不仅能诊断出降水场和海温场中一些比较典型的空间模态和时间变化规律 ,而且可以再现 1998和 2 0 0 0年中国大部分地区的旱涝灾害。揭示了全球春季海温的异常变化在中国夏季 (6～ 8月 )降水异常中的作用。

ECC方法在中国夏季气温预测研究中的应用

以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951～2009年去趋势处理后的资料,通过变形的典型相关分析（Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA）方法分别建立单因子预测模型,再利用集合典型相关分析（Ensemble Canonical Correlation,ECC）方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010～2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。

基于误差修正和LSTM的海浪高度预测模型

准确可靠的海浪高度预测是海洋工程和沿海工程应用的一项重要任务,如海洋渔业捕捞和近海勘探工程。提出一种基于误差修正和长短期记忆(LSTM)网络的海浪高度预测模型,采用自适应噪声完备集合经验模态(CEEMDAN)分解误差序列,产生误差模态分量,根据斯皮尔曼(Spearman)产生的相关系数划分每个模态分量的权重,利用长短期记忆网络对误差模态分量进行预测,将权重和预测模态分量相结合,融合到未来对应点位的预测值中,提高预测精度。实验结果表明,在均方根误差(RMSE)、拟合优度(R^(2))等评价指标上,与极限学习机(ELM)、融合注意力机制LSTM(A-LSTM)等模型进行比较,CSLM模型的评价指标较好,验证了CSLM模型的有效性和可行性。

用典型相关分析作副高的统计动力预报模式可预报性研究

本文提出一个关于西太平洋副热带高压（简称副高）的统计动力预报模式，利用它和典型相关分析方法对冬、春和夏季逐月副高预报的可行性进行研究。结果表明，模式的可预报性依赖于预报量场和因子场所提取的分量数，模式的差分形式及预报落后步长。对逐月和不同步长所作的可预报性分析发现步长为１个月有较高的可预报性，不同月份可预报性有所不同，一般夏季较冬季和春季要差。虽然如此，用该模式作夏季副高预报还是具有一定的可能性。在独立样本中所作的预报试验表明，月际预报符号相关系数一般均接近或超过０．６０。

西北太平洋温盐多模式集合预报

借鉴大气集合预报中的多模式集合预报思想,开展了海洋数值模式的集合预报方法研究,将数据分频集合技术方法应用于6个海洋模式的海洋环境预报中,并以Argo实测资料对集合预报效果进行了验证。比对分析结果表明,多模式集合预报的温盐精度明显提高,预报效果明显优于单一模式。

基于CCA和PCA的说话人特征降维研究

为提高说话人识别的性能,提出将CCA与PCA联合用于说话人特征降维的方法:先用CCA融合基于声道模型的LPC特征和基于听觉模型的MFCC特征,提升这两类不同特征的相关性;然后用PCA进一步去除冗余特征,降低有效特征的维数。实验显示,这两种降维方法联合的降维效果与单一的CCA降维、PCA降维或手动降维的效果比有明显提高。

不同季节海温与中国夏季降水的时空特征分析

利用季降水异常的典型集合相关降水模式,分析了不同时段和不同区域的海温场与我国夏季(6～8月)降水之间的时空分布特征。结果表明:各大洋区海温存在着明显的季节、年际和年代际变化。与中国夏季降水相联系的印度洋海温的分布特征与季节有关,存在明显的偶极和单极分布形式,这种海温的异常变化对我国夏季纬向或经向雨带有一定的影响,全球特定的海温分布可以作为中国夏季旱涝预报的信号因子。不同季节海温和中国夏季降水在1970年代末都经历了一次突变,说明海温的季节差异对中国夏季降水的影响明显地受到海洋年代际基本态的制约。

基于贝叶斯模型平均法的洪水集合概率预报

为提高洪水预报模型的精度和可靠性,基于贝叶斯模型平均方法(BMA),结合水动力学模型和统计相关模型,对秦淮河流域东山站水位进行多模型集合预报并进行模型率定与验证。结果表明,BMA的预报确定性系数CCE均高于水动力学模型和统计相关模型,且均方差RRSME最小;BMA法降低了单一水文预报结果的不确定性,保证洪水预报具备较高的精度,并提供了洪水水位的置信区间,为防洪规划提供了依据。

不同区域海温异常对中国夏季旱涝影响的诊断研究和预测试验

利用季降水异常的典型集合相关预测模式,研究了前期和同期不同季节全球海表温度距平场与中国夏季旱涝的遥相关分布特征以及这种相关型随季节的变化,揭示了全球海温的异常变化在中国夏季旱涝中的信号特征。研究表明,全球不同区域海温对我国夏季降水的影响存在着明显的季节差异。全球特定的海温分布可以作为中国夏季旱涝预报的信号因子。选取不同区域及不同时段的海温场作为因子场分别对1998、1999年这两个典型年份的我国夏季降水进行了诊断研究和预测试验,并通过不同区域海温的影响权重做集成预测。试验结果表明:不同区域海温的集成预测不仅可以有效地提高预测的准确性,而且可以揭示不同时段不同区域海温的异常变化在夏季旱涝中的强信号现象。

融合多维气象信息的风能资源评估方法

由于风速具有明显的年际变化,因此风电场项目建设在可行性分析过程中需要对场址区域长期的资源状况进行评价。为此,在传统测量-关联-预测方法的基础上,研究提出了一种基于多维气象信息交互的方法,将多个参考气象站风速、风向、气温、空气密度等观测信息与待评估风场同期风速信息进行融合,得到待评估风场长期的风况信息,进而推算出待评估风场长期的风能资源储量。首先,使用Pearson相关系数对待评估风场和参考气象站进行相关性分析;然后,结合因素分析法对重要性特征进行筛选,以避免冗余信息对结果准确性和计算效率造成影响;最后,采用随机森林模型和XGBoost模型分别构建不同规则的集成模型,并与实际观测数据进行对比分析。研究结果表明,多维气象特征的引入可以有效提升待建风电场长期风速的拟合效果,进而提升风能资源评估结果的精度,满足实际工程的需要。

基于ECC方法的青藏高原冬季气温可预报性研究

选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。

气候预测对象与影响因子关系不稳定性及其统计集合预测模型的改进

通过对"滑动相关——逐步回归——集合分析"短期气候预测方法的研究及其业务应用进行了综述。从深入分析气候预测对象与影响因子关系不稳定性问题入手,提出物理统计与集合分析相结合的气候预测建模理念,设计了"滑动相关——逐步回归——集合分析"气候预测模型。在改进该预测方法的过程中,先后提出了"交叉建模"集合预测思路,建立了"持续异常"与"转折影响"不同因子信息拓展方案,构建了"原始序列"与"去线性趋势"不同建模方案,再对最优模型进行集成分析。近8 a该方法参与国家气候中心全国汛期预测、全国秋季初霜冻初日预测,试用效果良好。在新疆地方气候预测服务中广泛应用,包括降水、气温、积温、热量指数、界限温度初终日期、沙尘日数的预测等。该方法在极端气候事件指数、应用气候指数的预测领域具有应用潜力。