采用小波分析、低通滤波、相关分析、逐步回归以及最优子集回归等方法建立斗门开汛日期的预测模型。将开汛日期序列分解为年际变化和年代际变化2个分量,分别研究其与前期冬季500h Pa高度场、850 h Pa风场、海平面气压场和海温场的相关性...采用小波分析、低通滤波、相关分析、逐步回归以及最优子集回归等方法建立斗门开汛日期的预测模型。将开汛日期序列分解为年际变化和年代际变化2个分量,分别研究其与前期冬季500h Pa高度场、850 h Pa风场、海平面气压场和海温场的相关性,并将显著相关区域作为初选因子。通过逐步回归将因子数限制在10个以内,最后应用最优子集回归建立预测模型。结果表明:这种分离时间尺度的回归预测模型具有较好的拟合效果,计算得出的回归序列与原距平序列相关系数为0.81,两者同号率为77.8%,其中相差±7 d以内年份约占42.2%;相差±15 d以内的年份约占75.6%。最后对2012—2014年开汛日期进行试报,其中2012和2014年试报效果较好,误差分别为-5.89和-10.45 d。展开更多
