閆恒乾
,
洪梅
,
張韌
,
朱偉軍
,
馬晨晨
,
余丹丹
2018, 38(5):596-605.
DOI: 10.3969/2016jms.0053
摘要:針對現(xiàn)有風(fēng)暴軸指數(shù)分析大多采用相關(guān)分析等較為簡單方法,難以對風(fēng)暴軸指數(shù)變化有效診斷分析的問題,引入偏最小二乘回歸(Partial Least Square Regression,PLS)的線性方法和核偏最小二乘回歸方法(Kernel Partial Least Square Regression,KPLS),對冬季北太平洋風(fēng)暴軸指數(shù)變化進行了特征診斷研究,并與傳統(tǒng)的線性無偏最小二乘回歸結(jié)果進行了試驗比對。結(jié)果表明:偏最小二乘回歸方法的診斷結(jié)果能夠更好地反映風(fēng)暴軸內(nèi)部變化規(guī)律,并有效降低診斷誤差。對于PNYI(北太平洋風(fēng)暴軸緯度指數(shù)),采用r>0.2的因子篩選方案(r為因子與風(fēng)暴軸指數(shù)的相關(guān)系數(shù))并應(yīng)用KPLS算法時,預(yù)測效果最佳;對于PNXI(北太平洋風(fēng)暴軸經(jīng)度指數(shù))和PNⅡ(北太平洋風(fēng)暴軸強度指數(shù)),采用全因子方案并應(yīng)用KPLS算法時,預(yù)測效果最佳。