短期氣候預測實習報告六

1、南京信息工程大學實驗（實習）報告實驗（實習）名稱 短期氣候預測實習 日期11.29得分 指導教師 系 專業(yè) 年級 班次姓名Trichtu 學號實習目的：掌握短期氣候預測中物理統(tǒng)計預測的基本步驟。實習要求：能運用提供的資料和方法子程序，編寫或補充完成程序當中的部分片斷，了解區(qū)域降水的預測方法及其建立過程，輸出實驗要求的相應結果，并就方法對區(qū)域降水的擬合及試驗預測效果進行分析。實習內容：利用前期1月的海溫關鍵區(qū)（Nino3.4指數(shù)）和環(huán)流特征量（西太平洋副高脊線、西太平洋副高西伸脊點、亞洲極渦面積、南方濤動指數(shù)）等前期冬季預測因子；運用多元回歸方法，對1952-2001年華北夏季降水建立預測方程；

2、對2002-2008年進行多元回歸預測試驗；實習資料：前期1月的Nino3.4指數(shù)（來自CPC）西太平洋副高脊線、西太平洋副高西伸脊點、亞洲極渦面積、南方濤動指數(shù)（來自中國氣象局整編的74個環(huán)流指數(shù)）、夏季華北區(qū)域10站的降水量距平百分率。實習方法：回歸分析(mregrssion.for)是用來尋找若干變量之間統(tǒng)計關系的一種方法，利用所找到的統(tǒng)計關系對某一變量作出未來時刻的估計，稱為回歸預報值。 效果分析 回歸擬合效果的參數(shù)分析(1) 殘差平方和 (SSR)誤差方差標準差(2)標準差(3)復相關系數(shù) 當 R 近似等于1，則相對誤差將近似0，說明回歸效果很好。(4) 回歸方差反映回歸擬合的程度,

3、其值越大反映效果越好(5)總離差平方和它遵從自由度為m和n-m-1的F分布。 實習步驟：（1） 編寫程序：（原文件的子例行程序不計入在內）PROGRAM MAININTEGER,PARAMETER:N=50INTEGER,PARAMETER:K=5REAL,DIMENSION(K,N):XREAL,DIMENSION(N):YREAL,DIMENSION(K+1):AREAL,DIMENSION(K+1,K+1):BREAL,DIMENSION(K):VREAL Q,S,R,U,ind(6,60),year(N),expect(50)C OPEN THE INPUT DATA FILE ope

4、n(8,FILE=e:copy6weight.txt) open(9,FILE=e:copy6compare.grd,form=binary)OPEN(10,FILE=e:copy6shixi.txt) C READ THE DATA and give data to X and Yread(10,*) do i=1,N read(10,*) year(i),y(i),x(1,i),x(2,i),x(3,i),x(4,i),x(5,i) end do MM=K+1 call DYHG(X,Y,K,MM,N,A,Q,S,R,V,U,B,DYY) !CCCCCCCCCCCCCCCCCCC預測195

5、2-2001 do i=1,N expect(i)=a(1)+x(1,i)*a(2)+x(2,i)*a(3)+x(3,i)*a(4) expect(i)=expect(i)+x(4,i)*a(5)+x(5,i)*a(6) enddo write(9) (expect(i),y(i),i=1,50) write(*,88) A(1)88format(/1x,b 0=,f19.5) do 89 j=2,MM89 write(*,100) j-1,A(j)100 format(1x,b,i2,=,f9.5)ccccccccccccccccccccccccccccccccccccccccccccccc

6、ccccccc write(*,20)Q,S,R 20 format(1x,Q=,f13.6,3x,S=,f13.6,3x,R=,f13.6) write(*,22)U,DYY 22 format(1x,U=,f13.6,3x,DYY=,f13.6) write(*,30)(i,V(i),i=1,K)30 format(1x,V(,i2,)=,f13.6) write(*,40)U 40 format(1x,U=,f13.6) open(6,file=e:copy6table.txt) ! output data write(6,180) 180 format(/2x,regression c

7、oefficients:) write(6,88) A(1) do 189 j=2,MM189 write(6,100) j-1,A(j) write(6,200)200format(/1x,Generic Analysis of Variance Table for the Multiple * Linear Regression) write(6,202)202 format(/1x,- *-) write(6,204)204format(/3x,Source df SS MS) write(6,202) write(6,206)N-1,DYY206format(/1x,Total n-1

8、=,i2, SST=,f13.4) u2=U/real(K) write(6,208)K,U,U2208 format(/1x,Regression K=,i2, SSR=,f13.4, MSR=SSR/K= *,f13.4) q2=q/real(n-k-1) write(6,209)n-k-1,q,q2209 format(/1x,Residual n-k-1=,i2, SSE=,f13.4, MSE=SSE/(n-k-1) *=,f13.4) f=(U/real(K)/(Q/real(N-K-1) write(6,220) f220format(/1x, F=MSR/MSE=,f13.4)

9、 write(6,202) close(6) stop end（2）結果輸出得到回歸效果的參數(shù)及回歸系數(shù)，擬合預測與觀測資料的對比數(shù)據(jù)，獨立預測試驗與觀測資料的對比數(shù)據(jù)。l 輸出反映回歸效果的參數(shù)及回歸系數(shù)，并就相關參數(shù)分析回歸效果； 回歸系數(shù)：: b 0= -196.06274 b 1= 4.40570 b 2= 1.19246 b 3= -0.00290 b 4= 0.32351 b 5= 0.50310即：Nino3.4指數(shù)=-196.06274+4.40570*西太平洋副高脊線+1.19246*西太平洋副高西伸脊點-0.00290*亞洲極渦面積+0.32351*南方濤動指數(shù)+0.503

10、10*夏季華北區(qū)域10站的降水量距平百分率 Generic Analysis of Variance Table for the Multiple Linear Regression Total n-1=49 DYY= 20596.3984 Regression K= 5 U= 1492.2344 MSR=SSR/K= 298.4469 Residual n-k-1=44 Q= 19104.5078 MSE=SSE/(n-k-1)= 434.1934 R=0.269137 F=MSR/MSE= 0.6874相關為0.29137，F(xiàn)小于標準值2.4（0.05）且大于0.416，效果不顯著，說明擬

11、合程度不好。l 預測量與回歸方程計算的估計值和觀測值的歷年曲線變化圖（19522001年），并附簡單的說明；Ctl文件：reinitopen e:copy6compare.ctlenable print e:copy6comparation.gmfset x 1 1set y 1 1set t 1 50d reald expprintdisable print;Gs文件:reinitopen e:copy6compare.ctlenable print e:copy6comparation.gmfset x 1 1set y 1 1set t 1 50d reald expprintdisable print;（實際值黑線、預測值綠線）從圖中可以看出，某些年份，預測值和實際值的趨勢是