本文主要研究内容
作者郭炜豪,温文,王晓春,郑志海(2019)在《NINO3.4指数的多模式集合预报方法》一文中研究指出:基于贝叶斯模式平均方法(Bayesian Model Averaging),发展了一个NINO3.4指数的多模式客观权重集合预报方法(简称OBJ)。该方法基于训练期内单个模式的预报结果,用线性回归订正单个预报的偏差,依据模式的预报效果估计单个模式的权重。利用2002年2月—2015年10月美国哥伦比亚大学国际气候与社会研究所(IRI)提供的7个单一模式对NINO3.4指数的预报结果进行OBJ试验,并采用均方根误差对多模式集合平均预报(简称ENS)和OBJ的预报结果进行检验和评估。结果表明,ENS的预报效果优于7个单一模式的预报效果,而OBJ预报效果优于ENS预报效果,其NINO3.4指数的均方根误差比ENS方法降低了4%。将单一模式预报结果按时间划分为训练期和预报期,利用独立样本估计OBJ的参数并进行预报试验,这些试验也表明,OBJ能进一步提高预报精度。
Abstract
ji yu bei xie si mo shi ping jun fang fa (Bayesian Model Averaging),fa zhan le yi ge NINO3.4zhi shu de duo mo shi ke guan quan chong ji ge yu bao fang fa (jian chen OBJ)。gai fang fa ji yu xun lian ji nei chan ge mo shi de yu bao jie guo ,yong xian xing hui gui ding zheng chan ge yu bao de pian cha ,yi ju mo shi de yu bao xiao guo gu ji chan ge mo shi de quan chong 。li yong 2002nian 2yue —2015nian 10yue mei guo ge lun bi ya da xue guo ji qi hou yu she hui yan jiu suo (IRI)di gong de 7ge chan yi mo shi dui NINO3.4zhi shu de yu bao jie guo jin hang OBJshi yan ,bing cai yong jun fang gen wu cha dui duo mo shi ji ge ping jun yu bao (jian chen ENS)he OBJde yu bao jie guo jin hang jian yan he ping gu 。jie guo biao ming ,ENSde yu bao xiao guo you yu 7ge chan yi mo shi de yu bao xiao guo ,er OBJyu bao xiao guo you yu ENSyu bao xiao guo ,ji NINO3.4zhi shu de jun fang gen wu cha bi ENSfang fa jiang di le 4%。jiang chan yi mo shi yu bao jie guo an shi jian hua fen wei xun lian ji he yu bao ji ,li yong du li yang ben gu ji OBJde can shu bing jin hang yu bao shi yan ,zhe xie shi yan ye biao ming ,OBJneng jin yi bu di gao yu bao jing du 。
论文参考文献
论文详细介绍
论文作者分别是来自热带气象学报的郭炜豪,温文,王晓春,郑志海,发表于刊物热带气象学报2019年02期论文,是一篇关于贝叶斯模式平均论文,模式预报论文,客观权重集合预报论文,集合平均预报论文,指数论文,热带气象学报2019年02期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自热带气象学报2019年02期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:贝叶斯模式平均论文; 模式预报论文; 客观权重集合预报论文; 集合平均预报论文; 指数论文; 热带气象学报2019年02期论文;