统计预报方法.pptVIP

统计分析及预报方法 陈长胜 2009.10 内容 第一章 气象资料表示方法、常用统计量 第二章 选择最大信息的预报因子 第三章 回归分析 第四章 二分类预报（略） 第五章 主成分分析 第六章 EOF和SVD 第七章 判别分析 第八章 聚类分析 第一章 气象资料及其表示方法 单个要素的气象资料 气象资料绝大多数是以数据形式给出。可以用变量x表示某个气象要素的取值。 多个要素 2 基本统计量 平均值：描述资料数字平均状态的量 §2 基本统计量 2.2.3标准化变量 目的：气象要素中，各个要素的单位不一样，平均值及标准差亦有所不同。为使他们能在同一水平上进行比较，常使用标准化的方法。 特点：均值为0，方差为1. §2基本统计量 2.3.1协方差与相关系数(衡量任意变量之间关系的统计量) §2基本统计量 §2基本统计量 2.5.自协方差与自相关系数 §2基本统计量 2.7.峰度系数与偏度系数（用来衡量随机变量分布密度曲线形状的数字特征） §3常用的分布 1.正态分布 2.Γ分布 3.χ2分布 4.t分布 5.F分布 §4显著性检验 1.均值的显著性检验 §4显著性检验 2.均值差异的显著性检验 §4显著性检验 3.方差的显著性检验 §4显著性检验 4.相关系数的显著性检验 第二章 选择最大信息的预报因子 概率 频率和概率：衡量事件出现可能性大小的数量指标，当观测次数足够大，频率稳定的接近某个常数，这就是该事件的概率。 频率是概率的估计值，概率是频率的理论值。 条件概率 在事件B已出现的条件下、计算事件A的概率，则这种概率叫做事件A在事件B已出现的条件下的条件概率，记为P（A/B）。 是统计方法做预报的基础。B取为A以前t时刻的某气象条件。 天气预报指标 寻找合适的条件概率作为天气预报指标，必须具有两个经验性的条件 1） 可靠性： P(A/B)》P(A)或者P(A/B)《P(A) 2）准确率： P(A/B) →1 或 P(A/B) → 0 天气预报指标的检验 可靠性：二项分布检验天气预报指标是检验某一条件概率所指示的时间是属于偶然性还是具有规律性的方法。 准确性：历史拟合 第三章 回归分析 目的：用来寻找若干变量之间统计联系关系的一种方法。利用统计关系对某变量作出未来时刻的估计，称为预报值。比如MOS方法。 内容： 一元线性回归 多元线性回归 逐步回归 §1一元线性回归 1.1一元线性回归模型 §1一元线性回归 1.2回归的方差分析 §1一元线性回归 1.3相关系数与线性回归 §1一元线性回归 1.4回归方程的显著性检验 §2多元线性回归 2.1多元线性回归模型 §2多元线性回归 2.2β的估计 2.3 b的统计性质 2.4 回归问题的方差分析 2.5 回归方程的显著性检验 或 Monte Carlo检验 §5逐步回归 目的：在气象预报中，对预报量的预报常常需要从可能影响预报y的许多因素中挑选一批关系较好的作为预报因子，建立多元回归方程。但如何保证在已选的一批因子里得到“最优”的回归方程呢？ 从可提供挑选的变量中，根据一定的显著性标准，每步只选入一个变量进入回归方程，并要求当步选出的变量是所有可供挑选的变量中能使剩余方差下降最多的一个。 逐步回归时，由于新变量的引进，可使已进入回归方程的变量变得不显著，从而在下一步给以剔除 应用注意事项 （1）变量是否遵从正态分布 （2）是否线性（可以用预报量与估计量之间的差进行） （3）重视因子的天气意义 （4）重视回归方程的稳定性（检验相关系数或回归系数随时间变化——刀切法） 第四章 二分类预报 二分类预报，也称正反预报，只对两种天气状态做预报。 当预报因子也是二分类时 （1）天气预报指标群的分片包干 （2）多因子综合预报方法 当预报因子是连续数据时——二组判别分析 第五章 主成分分析 功能：从多变量序列中提取出主要的相互独立的新变量序列，用少数几个新变量序列反应原多个变量的变化信息，或者说降低资料的自由度或维数。 1 两个变量的主分量 1.1主分量的导出 2 多变量的主分量分析 略 3 典型相关分析 典型相关分析是分析两组随机变量间线性密切程度的统计方法，是两变量间线性相关分析的拓广。 第六章 EOF和SVD EOF（empirical orthogonal function,经验正交函数分解） SVD（singular value decomposition,奇异值分解） 目的：一类是一种要素场时间序列的时空结构分析，另一类是两种要素场时间序列间相关联系的时空结构分析。 体现在数学上： EOF——主成分分析 SVD——典型相关分析 前者针对气象要素场 EOF方法几何影像和推广 第七章 判别分析 概念： 在气象预报中，为了使用需