成信工统计天气预报实验指导01回归分析.docVIP

统计天气预报实验指导 实验一 回归分析 一、目的和要求： 回归分析是统计天气预报中最基础和最重要的方法，是必须掌握的方法之一。该方法既能作为天气分析模型，又能作为天气预报模型，在实际工作中有极强的实用意义。通过该实验，掌握运用物理统计方法建立区域降水预测的基本步骤，运用提供的资料和方法子程序，编写或补充程序当中的部分片断，了解区域降水的预报方法及其建立过程，输出实验要求的相应结果，并就方法对区域降水的拟合及实验预报效果进行分析，从而深刻理解回归统计模型的意义，理解和掌握统计分析中的核心概念如平均值、方差、协方差、相关系数等的分析计算，掌握多元回归模型和逐步回归模型的计算步骤、原理和计算差异、显著性检验的意义，为统计结果的分析、统计模型的实际应用打下一定的基础。 二、实验的主要内容： 我国属于季风气候，降水量的季节差异很大，年降水的大部分集中在夏半年。影响我国夏季降水的物理因子很多，根据多年的研究，在业务预测中常考虑的有副热带高压和季风活动、中高纬阻塞与冷空气的活动、海温特别是与ENSO相联系的赤道太平洋海温等。这里选用河北省10个地区500hPa高度距平和（1月、2～3月、4月），石家庄地面WSW-WNW风速合计（12月下旬一次年1月下旬）作为预报因子，采用多元回归分析和逐步回归分析，建立区域降水的预报方程。具体如下： 2.1 利用河北省10个地区500hPa高度距平和（1月、2～3月、4月），石家庄地面WSW-WNW风速合计（12月下旬一次年1月下旬）作为预报因子； 2.2 运用多元回归方法，对1951-1968年河北省6～8月降水量建立预报方程； 2.3 对1969-1971年进行多元回归预测实验； 2.4 运用逐步回归方法，对1951-1968年河北省6～8月降水量建立预报方程； 2.5 对1969-1971年进行逐步回归预测实验； 2.6 完成实验报告。 三、步骤： 3.1 熟悉资料方法 3.1.1 资料 资料预报因子和降水量，依次按列排放，时间从1951年-1971年，其中因子序列包括1月、2～3月、4月500hPa高度距平和，地面WSW-WNW风速合计共4项；降水量为河北省逐年6～8月。 3.1.2 多元回归方法 回归分析是用来寻找若干变量之间统计关系的一种方法，利用所找到的统计关系对某一变量作出未来时刻的估计，称为回归预报值。回归作为一种统计模型，包括线性和非线性回归。由于线性回归比较简单，理论上也比较严谨，在气象中不少气象要素之间可以近似地存在这种线性的关系，因此，这种线性回归应用得比较多。预报量常常与多个因子之间存在线性相关关系，因而大部分气象统计预报中的回归分析都是多元回归。设预报量与m个因子的关系是线性的，则多元线性回归方程可表示为： 其中Y是预报量，是预报因子，e为残差误差，，，，…为估计的回归系数。 3.1.3 逐步回归方法 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，应用多元线性回归的方法建立回归方程来作预报。逐步回归分析是在已选定的一批因子中得到“最优”的回归方程的一种常用方法。以下是几种实际计算方案来选择“最优”回归方程。 逐步剔除方案：从包含全部变量的回归方程中逐步剔除不显著的因子。但此方案计算量大。 逐步引进方案：在一批待选的因子中，考察它们对预报量y的方差贡献，挑选所有因子中方差贡献最大者，经统计检验是显著的，进入回归方程。但此方案不一定保证最后的方程是“最优”的。 双重检验的逐步回归方案：将因子一个个引入，引入因子的条件是该因子的方差贡献是显著的。同时，每引入一个新因子后，要对老因子逐个检验，将方差贡献变为不显著的因子剔除。这种方案是利用求解线性方程中求逆同时并行的方法。此方案综合前两种方案的优点克服其缺点，所以本实验选择此方案。 3.2 效果分析 3.2.1 回归拟合效果的参数分析 (1)残差平方和(SSR) (2)标准差 (3)复相关系数 其中 当R近似等于1，则相对误差将近似0，说明回归效果好。 (4)偏相关系数 其中 当偏相关系数越大，回归中因子的重要性越大。 (5)回归方差 (6)多元回归的F检验 (7)方程中已引入l个因子时,其中第k个因子的方差贡献 (8)对第k个因子作F检验 3.2.2 预测实验 表1 采用多元回归分析河北省6～8月降水量预测实验结果 年份 1969 1970 1971 观测值 预测值 表2 采用逐步回归分析河北省6～8月降水量预测实验结果 年份 1969 1970 1971 观测值 预测值 3.3 编写程序 根据本实验的具体情况，参考主程序读