發(fā)布時(shí)間：2020-11-09 14:32

　　 使用一種新的多模式集成方法偏最小二乘回歸(Partial Least Square Regression,PLS),利用其能完全消除多重共線性的特征來改善比濕和地面氣溫多模式集成預(yù)報(bào)的效果。偏最小二乘回歸本質(zhì)上也是一種超級(jí)集合預(yù)報(bào),它的優(yōu)勢在于各個(gè)因子之間完全消除了多重共線性,能使每一組數(shù)據(jù)都相互獨(dú)立不相互干擾,而其他所有方法包括消除偏差集合平均(BREM)、滑動(dòng)平均等都不可能避免多重共線性,各個(gè)因子之間的多重共線性很容易使模型不穩(wěn)定,造成誤差較大。PLS成分中既保留了原自變量中較多的方差,而且保留了與因變量較大的相關(guān)性,從而在消除原自變量復(fù)共線性的同時(shí),所建立的回歸模型仍能充分的反映出自變量與因變量之間的相關(guān)關(guān)系�；�于TIGGE資料集下的歐洲中期天氣預(yù)報(bào)中心(ECMWF)、中國氣象局(CMA)、日本氣象廳(JMA)、英國氣象局(UKMO)四個(gè)中心集合預(yù)報(bào)結(jié)果,建立2012年多模式(25-60°N,60-150°E)區(qū)域24小時(shí)-168小時(shí)預(yù)報(bào)時(shí)效(間隔24小時(shí))比濕和地面氣溫的多模式集成模型,分別使用消除偏差集合平均(Bias-Removed Ensemble Mean,BREM)、簡單集合平均(Ensemble Mean,EMN)、超級(jí)集合預(yù)報(bào)(Multi-model Superensemble,SUP)以及偏最小二乘回歸(Partial Least Square Regression,PLS)四種方法對(duì)地面氣溫和水汽多模式集成,進(jìn)行了四次多模式集成預(yù)報(bào)試驗(yàn),利用均方根誤差(Root-mean-square Error,RMSE)和距平相關(guān)系數(shù)(Anomaly correlation coefficient,cor)來判定多模式集成的效果并且針對(duì)性的預(yù)報(bào)了一次短期寒潮過程。四次預(yù)報(bào)結(jié)果均表明偏最小二乘回歸(PLS)方法的多模式集成效果最好,不但優(yōu)于四種單一模式而且相比于其他三種方法,表現(xiàn)出了更好的預(yù)報(bào)性能,具有一定的價(jià)值以及應(yīng)用前景。
【學(xué)位單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P456
【部分圖文】：

圖１多模式集成預(yù)報(bào)過程??

測與氣候中心（ＣＰＴＥＣ）、歐洲中期天氣預(yù)報(bào)中心（ＥＣＭＷＦ）、韓國氣象中心（ＫＭＡ）、??美國國家環(huán)境與預(yù)拫中心（ＮＣＥＰ）、加拿大環(huán)境與氣候變化部（ＥＣＣＣ）、法國氣象局??（ＭＦ）、英國氣象局（ＵＫＭＯ）和印度（ＮＣＭＲＷＦ）這Ｈ—國集合預(yù)報(bào)產(chǎn)品。如圖３??１８??

??同樣，圖５是２０１２年１２月１日－２０１２年１２月３１日這３１天８種模式氣溫分別與??ＦＮＬ?“觀測值”的日平均距平相關(guān)系數(shù)，可以看出對(duì)于地面氣溫來說，各種模式預(yù)報(bào)的還??是比較準(zhǔn)確的，２４ｈ預(yù)報(bào)來說，單一模式距平相關(guān)系數(shù)均達(dá)到了?０．８以上，效果最好的??ＰＬＳ達(dá)到了?０．９左右，其他三種多模式集成也在０．８８左右，多模式集成的效果來看，偏??最小二乘回歸第一，其次是超級(jí)集合預(yù)報(bào)、消除偏差集合平均和簡單集合平均，四種單??一模式相比，效果最好的是英國氣象局ＵＫＭＯ、其次分別是歐洲中期天氣預(yù)報(bào)中心ＥＣ、??日本氣象廳ＪＭＡ和中國氣象局ＣＭＡ。從２４ｈ到１６８ｈ預(yù)報(bào)來看，各種單一模式和多模??式集成效果都有所衰減，其中效果最差的是ＣＭＡ，且隨著預(yù)報(bào)時(shí)效的增加距平相關(guān)系??數(shù)有明顯的衰減
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐圣鈞;王東海;杜鈞;周鏡石;;混合集合預(yù)報(bào)法在華南暴雨短期預(yù)報(bào)中的試驗(yàn)[J];應(yīng)用氣象學(xué)報(bào);2015年06期

2 秦育婧;盧楚翰;;利用高分辨率ERA-Interim再分析資料對(duì)2011年夏季江淮區(qū)域水汽匯的診斷分析[J];大氣科學(xué);2013年06期

3 李振鋒;李五生;付偉基;脫宇峰;楊海龍;張琪;;利用Poor-man集成預(yù)報(bào)方法改進(jìn)數(shù)值預(yù)報(bào)效果研究[J];氣象與減災(zāi)研究;2013年02期

4 智協(xié)飛;季曉東;張璟;張玲;白永清;林春澤;;基于TIGGE資料的地面氣溫和降水的多模式集成預(yù)報(bào)[J];大氣科學(xué)學(xué)報(bào);2013年03期

5 劉春艷;凌建春;寇林元;仇麗霞;武俊青;;GA-BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)性能比較[J];中國衛(wèi)生統(tǒng)計(jì);2013年02期

6 宋金杰;王元;陳佩燕;陳聯(lián)壽;;基于偏最小二乘回歸理論的西北太平洋熱帶氣旋強(qiáng)度統(tǒng)計(jì)預(yù)報(bào)方法[J];氣象學(xué)報(bào);2011年05期

7 張亞洲;李盛林;鄧文彬;梅華;;基于多模式短期集合預(yù)報(bào)技術(shù)的熱帶氣旋降水預(yù)報(bào)試驗(yàn)[J];氣象與減災(zāi)研究;2011年02期

8 李倩;胡邦輝;王學(xué)忠;顧錦榮;;基于BP人工神經(jīng)網(wǎng)絡(luò)的區(qū)域溫度多模式集成預(yù)報(bào)試驗(yàn)[J];干旱氣象;2011年02期

9 李葳;;NECP FNL資料解碼及數(shù)據(jù)格式轉(zhuǎn)換[J];氣象與減災(zāi)研究;2011年01期

10 杜振彩;黃榮輝;黃剛;;滑動(dòng)窗區(qū)空間相關(guān)系數(shù)加權(quán)集合方法及其在IPCC-AR4多模式集合模擬和預(yù)測中的應(yīng)用[J];大氣科學(xué);2010年06期

相關(guān)碩士學(xué)位論文 前5條

1 鄧志剛;油田開發(fā)中數(shù)據(jù)集成的集合卡爾曼濾波方法研究[D];西南石油大學(xué);2014年

2 王海霞;基于多模式的降水量統(tǒng)計(jì)降尺度預(yù)報(bào)研究[D];南京信息工程大學(xué);2014年

3 畢瀟瀟;基于TIGGE資料的集合預(yù)報(bào)應(yīng)用研究[D];南京信息工程大學(xué);2013年

4 鐘光科;偏最小二乘回歸分析在短期負(fù)荷預(yù)測中的應(yīng)用[D];河北工程大學(xué);2011年

5 張鳳蓮;多元線性回歸中多重共線性問題的解決辦法探討[D];華南理工大學(xué);2010年

本文編號(hào)：2876564