多模型多方法综合预报模式的研究及应用

论文摘要

对于一些复杂系统的预报问题，我们仅用一种预报算法、一种模型来解决，很难得出满意的结果。所以在多层递阶预报方法的基础上，提出一种综合预报模式。这种预报模式能够综合许多模型和算法的优点，使模型与算法达到“最佳”匹配，以得到“最佳”的预报结果。这种方法称之为多模型多方法的综合预报模式。而在客观世界中，季节因素的影响普遍存在，千百年来，无论从农业、工业、商业、天文、气象以致人类的生产、生活等领域，季节因素始终发挥着不容忽视的作用。以月份或季度作为时间观测单位的时间序列，常常受季节因素的影响而呈现周期性变化，给深入研究和阐释其物理规律和意义带来困难。因此解决好季节性时间序列的预报就显得尤为重要。本文对多模型多方法综合预报模式进行了深入理论分析，并以此为理论基础，提出一种分类综合预报模式，旨在解决季节性时间序列的预报问题。本文将经济系统中常用的季节因素调整方法—X-11方法应用于天气预报系统中。应用X-11方法对月平均气温等观测数据进行季节调整后，能够更准确的了解其变化规律，使得建立精确模型成为可能。本文提出的分类综合预报模式正是在经过X-11方法的季节调整后进行的建摸、预报。分类综合预报模式已经成功的应用于长期天气预报系统中，在对我省兴凯湖农场的月平均气温和月降水量的预报中取得了令人满意的效果。此外，一类具有引导变量的模型对于季节性时间序列的预报也取得了较好的效果。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 课题的背景及研究意义
• 1.2 预报问题综述
• 1.2.1 基于数学模型的预报方法
• 1.2.2 非数学模型的预报方法
• 1.2.3 各种方法的比较分析
• 1.3 国内外中长期天气预报方法的主要类型及发展
• 1.4 本文研究的内容
• 第2章 多层递阶方法
• 2.1 结构变化的判据
• 2.2 参数未知的结构时变系统的辨识
• 2.3 多层递阶辨识方法
• 2.3.1 确定模型结构的基本定理
• 2.3.2 模型的多层结构与阶的确定
• 2.4 多层递阶预报
• 2.5 预报结果的误差分析
• 2.6 本章小结
• 第3章 多模型多方法综合预报模式
• 3.1 基本思想
• 3.2 多模型多方法预报的模型族、算法
• 3.2.1 模型族
• 3.2.2 算法族
• 3.3 模型与算法的最佳匹配准则
• 3.4 结构随机变化系统的多层递阶预报
• 3.5 综合预报方法
• 3.6 多模型系统预报的加权平均模式
• 3.6.1 基本概念
• 3.6.2 加权平均综合预报模式
• 3.6.3 最小二乘综合预报模式
• 3.6.4 多层递阶综合预报模式
• 3.7 本章小结
• 第4章 季节性时间序列的分类综合预报模式
• 4.1 季节调整方法
• 4.1.1 四次滤波
• 4.1.2 X-11方法流程图
• 4.2 X-11方法的改进
• 4.2.1 周期 时的四次滤波
• 4.2.2 两端数据的处理
• 4.2.3 X-方法的特点
• 4.3 分类综合预报模式
• 4.3.1 分类综合预报模式的提出
• 4.3.2 季节性时间序列的分类综合预报算法与步骤
• 4.3.3 实例应用
• 4.4 本章小结
• 第5章 具有引导变量的模型的分析与应用
• 5.1 一类具有引导变量的模型
• 5.1.1 模型的一般形式
• 5.1.2 模型阶数的确定与参数估计方法
• 5.1.3 参数与模型的预报
• 5.2 具有引导变量模型的分析
• 5.3 具有引导变量的模型在天气预报中的应用
• 5.3.1 系统的分析与模型的建立
• 5.3.2 模型的改进与参数的估计
• 5.3.3 预报算法与步骤
• 5.4 应用结果
• 5.5 本章小结
• 结论
• 参考文献
• 致谢