深层地温在黄河上游流量变化和预测中的应用.pptVIP

青藏铁路青海段夏季温度外推预报的精度检验 时兴合 秦宁生 唐红玉 周陆生 才让扎西 朱西德 主要内容 引言 由于气候系统是一个非常复杂的耦合系统，是大气、海洋、冰雪、陆面和生物圈共同组成的。目前人类对系统的各部分及其相互之间的物理联系，还不是十分清楚。所以，对气候的预测还存在许多的不确定因素，特别是超长期的气候趋势预测，难度更是非常大。鉴于上述原因，我们只能从气候序列自身演变规律和太阳活动、CO2引起的温室效应、海洋对大气的影响等因子，对2002年～2050年青藏铁路沿线的基本气候趋势作一简单的定性和定量预测。在预测之前，我们首先对所用方法的预测精度进行检验研究，目的是为将来的预测提供一个最基本的保证率（或概率预报），同时积累未来预报的技巧。 1、资料与方法 利用1921～1990年夏季青藏铁路青海段气温资料、太阳黑子资料、青南高原春季最高温度（重建）资料，以及本专题温度分区的成果，用均生函数、最优子集等方法制作1991～2000年夏季上述地区逐年的预报值，用中国气象局预测减灾司下发的评分办法评定预测精度，比较所用方法的优缺点。 2、预测方法及原理 2.1 均生函数方法简介 设一等间隔样本量为Ｎ的时间序列 x(t)={x(1),x(2),...,x(N)} 定义均值生成均生函数： 2.2 周期方法简介 2.3 最优子集方法简介 最优子集回归于七十年代设计出计算速度快、误差小、内存容量相对要求较小的Furniavl-Wilson算法，采取合理途径，穷尽所有预报因子的搭配，若有p个因子，会得到2p-1个可能回归。 假设选择m个自变量因子， 其中任选一个子集的自变量因子与因变量建立回归方程,称为子集回归方程,若把只有常数项的方程=β0也计算在内，m个自变量因子就可建立2m种不同的线性子集回归方程。 双评分模型识别准则 双评分模型识别准则定义下列统计量 CSC=S1+S2 其中 S1=(N-k)(1-Qk/Qy) S2=2G 上式中S1为数量评分，即为精评分，S2为趋势评分，N为样本长度，k为统计模型中变量个数。Qk为模型的残差平方和，Qy为模型的总离差平方和。由此可见，双评分准则旨在使模型拟合的精度更好趋势亦准。 这个准则更适合于判别气候预测模型的精度。 3、 外推预测的检验结果分析3.1 入选方法的历史应用背景分析 周期外推和一元经验归归方法是过去从事气候预测的人们常用的方法，均生函数和最优子集回归方法是近年来推广应用的方法。对以上方法的预测精度，青海省气候预测科曾做过预测精度检验。结果如下： 用新的评分规定办法对1991～2000年5、7、10月西宁、玉树等地区的各种统计预报值进行评定。结果是：降水趋势评定为62.9%,气温趋势评定为60.4%。降水和气温的平均趋势评分为61.65%。 气温的统计预报方法中，逐步判别的评分最高为70.5%，列第二～第七的方法分别是一元回归、点相似、高度场相似、逐步周期回归、逐步回归、多项式回归，其它方法评分均低于60%，方差分析方法预报评分最低，为45.5%（见表1）。 ·降水的统计预报方法中，逐步判别的评分最高为70%，列第二～第八的方法分别是逐步回归、方差分析、一元回归和多项式回归、自回归和点相似、逐步周期回归，其它方法评分均低于60%，高度场相似方法预报评分最低，为56.5%（表略）。 ·赵振国等研究中国气象局国家气候中心气候预测室年度降水预报评分得出，1978～1997年年度降水预测的平均评分为63 % ，此后3年的平均得分为64%。1978～1997年每月降水预测评分59 %，1998～2000年得分为62 %。 可以看出，青海省台所作的10年降水预测评分结果与上述结论基本一致。 时兴合、秦宁生等人通过预报试验[6]得出：最优子集回归模型对降水量、气温的摸拟，定性预报准确率是74～84％之间，略高于目前国内气候预测的平均预测水平(60～70％)，近五年的预报准确率超过60％，1998年冬季降水、 气温试报的趋势均正确，定量预报存在一定的误差。 此外，选入物理图象比较直观的预报因子对预报的成功与否致关重要。 对均生函数的应用也有类似的结果[7]：通过对青藏高原冬季降水的预报实验，均生函数预测方法模拟的结果与实况绝对误差较小，平均误差为3 ～ 8mm。均生函数预测方法可以制作长时间的多步预报；能较好地拟合出预报对象的趋势及极值。均生函数预测方法对降水量的预报模拟，定性预报的准确率达80～100％ ，定量预报的能力还存