方差分析方法在短期气候预测中应用.pdfVIP

方差分析方法在短期气候预测中的应用 吴明月 吴超 （河北省沧州市气象台 河北省沧州市 060001） 摘 要 方差分析是众多短期气候预测方面预报方法中的一种，已应用了很多年，但应用效果不是很好。本文对方差分析 在降水短期气候预测方面应用进行了改进，通过对预测结果的统计和分析，找出了其中的应用规律，使预报准确率 从一般的50～60%提高到了80%，从而使这种方法在短期气候预测业务中具有了很高的应用价值。 关键词 方差分析 应用 检验 1 引言 有些气象要素或天气现象在长期演变过程中，呈现出某种准周期性。寻找这种周期性的方法很多， 方差分析众多方法中的一种。在气象应用上，它可以对某站月、季、年的一般气象要素（如：降水、 平均气温、最高气温、最低气温、极端最高气温和极端最低气温等）进行预报。但这种方法有它成 功之处，但也存在一定局限性。如何使用好这种方法，是本文探寻的重点。 2 方差分析原理 气象上，由于大气的周期变化使得局地要素具有周期性变化，若将局地要素的时间序列按周期长 度分行排列，每列为一组，数据的随机误差主要反映在组内，数据的系统性误差主要反映在组间。 对于 n 个数据，在寻找周期时把序列按不同长度分组，求出不同分组下的组内数据差异以及组间数 据差异，然后用组间和组内的差异比值构造一个统计量进行假设检验，当通过检验时确认这种长度 的周期是显著的[1] 。这种用方差来寻找周期的方法即是方差分析。 2.1 周期的显著性检验 检验所用统计量是由组内和组间方差比值构成的。首先要把一个序列数据总方差分解成组内方差 和组间方差之和，然后用组内和组间方差构造出统计量,即: (B −C) /(k −1) F ,其中,(B-C)为组间方差,(A-B)为组内方差,n 为个例样本数，k 为分组数，即周 (A −B ) /(n −k ) 期长度。在原假设各组数学期望相等的条件下，F 遵从分子自由度为(k- 1),分母自由度为(n-k)的 F- 分布。 （具体计算方法从略） 3 方法改进 以前在对气象要素序列周期分析时，我们一般将建站后所有历史记录资料作为计算样本，通过 方差分析方法的周期计算，来求得检验值 F 值最大且通过检验的最显著周期。这种方法的预报结果 尽管具有一定的准确率，但因资料样本固定，选取的变化周期不一定是最佳周期，为此，我们采用 了滑动求取法，即在设定资料样本的最低样本个数后（一般在 25a 以上），通过逐年滑动改变起始年 份，依次缩短样本个数，求得逐个使用不同起始年份、不同样本个数的资料算出的 F 最大值（Fmax ）， 逐个计算完毕后，再选出所得出的一系列 Fmax 的最大值以及对应的起始年份，并将以使用此起始 年份值作为样本初值而求得的最显著周期来作为预报的最佳周期，再使用此周期计算出预报值。 4 应用分析 我们使用改进后的方差分析方法把最显著的周期找出来，并对试报结果进行检验分析,寻找最 佳应用规律。 现以用此方法对沧州市 1981～2000 年 7 月份降水作出预报,然后对预报结果进行分析,找出最 大预报准确率的应用方法。在应用中，我们只求取序列的一次主要周期和一次主要变化周期，然后 将两个周期的周期数值按时间序列迭加，并外延一个数值，从而得到要素序列终止年份次年的预报 值。 4.1 判别标准 对于所取某段长度的气象要素序列，取其平均值，再求出该气象要素序列的最佳周期，并把第 一周期和第二周期变化的两个周期值迭加并外延而得到的预报值进行比较，根据预报值相对平均值 大小变化的趋势来预报较常年略偏多或略偏少，预报趋势与实际相符，即为正确，反之为不正确。 3.2 举例说明 下面就是取沧州 1956～1983 年7 月降水资料为样本，用方差分析方法对 1984 年7 月降水进行 预报的例子。 图1 沧州1984年7月降水 实况和拟合、预报曲线图 其中： 第一周期(11年)，F 最大值: 2.24 周期值: 214 77 165 216 300 263 200 136 293 127 347 第二变化周期(8 年)，F最大值: 3.0 周期值: 21 -2 –23