短期气候实习报告六

..vXX信息工程大学短期气候实验〔实习〕 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 实验名称夏季区域降水的定量预测日期2021.6.6得分指导教师系大气科学专业大气科学年级2021级班次2XX车楚玉学号目的 要求 对教师党员的评价套管和固井爆破片与爆破装置仓库管理基本要求三甲医院都需要复审吗 ：目的：掌握短期气候预测中物理统计预测的根本步骤。要求：能运用提供的资料和方法子程序，编写或补充完成程序当中的局部片断，了解区域降水的预测方法及其建立过程，输出实验要求的相应结果，并就方法对区域降水的拟合及试验预测效果进展 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 。资料和方法：资料：1、前期1月的Nino3.4指数〔来自CPC〕；2、西太平洋副高脊线、西太平洋副高西伸脊点、亚洲极涡面积、南方涛动指数〔来自中国气象局整编的74个环流指数〕；3、夏季华北区域10站的降水量，距平百分率。方法：回归分析(mregrssion.for)是用来寻找假设干变量之间统计关系的一种方法，利用所找到的统计关系对某一变量作出未来时刻的估计，称为回归预报值。实习步骤：①说明所用资料方法；②计算方法的简单介绍；③输出反映回归效果的参数及回归系数，并就相关参数分析回归效果；④预测量与回归方程计算的估计值和观测值的历年曲线变化图〔1952~2001年〕，并附简单的说明；⑤输出独立预测试验的观测与预测值。结果〔图 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 并解释说明〕：程序如下：PROGRAMMAININTEGER,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)::VREALQ,S,R,U,ind(6,60),year(50),y1(50),pre(7)integeri,jCx(5,50)y(50)a(6)b(6,6),v(5)COPENTHEINPUTDATAFILEOPEN(10,FILE='D:\duanqi\shixi6\shixi.txt')CREADTHEDATAandgivedatatoXandYdoi=1,50read(10,*)year(i),x(1:5,i),y(i)enddoMM=K+1callDYHG(X,Y,K,MM,N,A,Q,S,R,V,U,B,DYY)write(*,88)A(1)88format(/1x,'b0=',f19.5)do89j=2,MM89write(*,100)j-1,A(j)100format(1x,'b',i2,'=',f9.5)open(11,FILE='D:\duanqi\shixi6\guji.txt')open(12,FILE='D:\duanqi\shixi6\guji.grd',form='binary')open(13,FILE='D:\duanqi\shixi6\prediction.txt')doj=1,50y1(j)=a(1)+a(2)*x(1,j)+a(3)*x(2,j)+a(4)*x(3,j)+a(5)*x(4,j)+a(6)*x(5,j)enddopre(1)=a(1)+a(2)*26.50+a(3)*13.00+a(4)*100.00+a(5)*196.00+a(6)*2.00pre(2)=a(1)+a(2)*27.76+a(3)*12.00+a(4)*90.0+a(5)*197.00+a(6)*(-1.00)pre(3)=a(1)+a(2)*26.74+a(3)*12.0+a(4)*120.00+a(5)*199.00+a(6)*(-11.00)pre(4)=a(1)+a(2)*27.10+a(3)*13.00+a(4)*110.00+a(5)*220.00+a(6)*3.00pre(5)=a(1)+a(2)*25.64+a(3)*14.00+a(4)*105.00+a(5)*215.00+a(6)*13.00pre(6)=a(1)+a(2)*27.26+a(3)*15.00+a(4)*90.00+a(5)*185.00+a(6)*(-8.00)pre(7)=a(1)+a(2)*24.71+a(3)*17.00+a(4)*125.00+a(5)*222.00+a(6)*13.00print*,prewrite(11,*)(y(i),y1(i),i=1,50)write(12)(y(i),y1(i),i=1,50)write(13,*)(pre(i),i=1,7)ccccccccccccccccccccccccccccccccccccccccccccccccccccccwrite(*,20)Q,S,R20format(1x,'Q=',f13.6,3x,'S=',f13.6,3x,'R=',f13.6)write(*,22)U,DYY22format(1x,'U=',f13.6,3x,'DYY=',f13.6)write(*,30)(i,V(i),i=1,K)30format(1x,'V(',i2,')=',f13.6)write(*,40)U40format(1x,'U=',f13.6)open(6,file='table')!outputdatawrite(6,180)180format(/2x,'regressioncoefficients:')write(6,88)A(1)do189j=2,MM189write(6,100)j-1,A(j)write(6,200)200format(/1x,'GenericAnalysisofVarianceTablefortheMultipleLinearRegression')write(6,202)202format(/1x,'--------------------------------------------------------------------')write(6,204)204format(/3x,'SourcedfSSMS')write(6,202)write(6,206)N-1,DYY206format(/1x,'Totaln-1=',i2,'SST=',f13.4)u2=U/real(K)write(6,208)K,U,U2208format(/1x,'RegressionK=',i2,'SSR=',f13.4,'MSR=SSR/K=',f13.4)q2=q/real(n-k-1)write(6,209)n-k-1,q,q2209format(/1x,'Residualn-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)write(6,202)close(6)stopendsubroutineDYHG(x,y,m,mm,n,a,q,s,r,v,u,b,dyy)dimensionx(m,n),y(n),a(mm),b(mm,mm),v(m)b(1,1)=ndo20j=2,mmb(1,j)=0.0do10i=1,n10b(1,j)=b(1,j)+x(j-1,i)b(j,1)=b(1,j)20continuedo50i=2,mmdo40j=i,mmb(i,j)=0.0do30k=1,n30b(i,j)=b(i,j)+x(i-1,k)*x(j-1,k)b(j,i)=b(i,j)40continue50continuea(1)=0.0do60i=1,n60a(1)=a(1)+y(i)do80i=2,mma(i)=0.0do70j=1,n70a(I)=a(i)+x(i-1,j)*y(j)80continuecallCHOLESKY(b,mm,1,a,l)yy=0.0do90i=1,n90yy=yy+y(i)/nq=0.0dyy=0.0u=0.0ccccccccccccccccccccccccccccccccccdo110i=1,np=a(1)do100j=1,m100p=p+a(j+1)*x(j,i)q=q+(y(i)-p)*(y(i)-p)dyy=dyy+(y(i)-yy)*(y(i)-yy)u=u+(yy-p)*(yy-p)110continueccccccccccccccccccccccccccccccccccs=sqrt(q/n)r=sqrt(1.0-q/dyy)do150j=1,mp=0.0do140i=1,npp=a(1)do130k=1,mif(k.ne.j)pp=pp+a(k+1)*x(k,i)130continuep=p+(y(i)-pp)*(y(i)-pp)140continuev(j)=sqrt(1.0-q/p)150continuereturnendsubroutineCHOLESKY(a,n,m,d,l)!PerformtheCHOLESKYDepositiondimensiona(n,n),d(n,m)l=1if(a(1,1)+1.0.eq.1.0)thenl=0write(*,30)returnendifa(1,1)=sqrt(a(1,1))do10j=2,n10a(1,j)=a(1,j)/a(1,1)do100i=2,ndo20j=2,i20a(i,i)=a(i,i)-a(j-1,i)*a(j-1,i)if(a(i,i)+1.0.eq.1.0)thenl=0write(*,30)returnendif30format(1x,'fail')a(i,i)=sqrt(a(i,i))if(i.ne.n)thendo50j=I+1,ndo40k=2,i40a(i,j)=a(i,j)-a(k-1,i)*a(k-1,j)50a(i,j)=a(i,j)/a(I,i)endif100continuedo130j=1,md(1,j)=d(1,j)/a(1,1)do120i=2,ndo110k=2,i110d(i,j)=d(i,j)-a(k-1,i)*d(k-1,j)d(i,j)=d(i,j)/a(i,i)120continue130continuedo160j=1,md(n,j)=d(n,j)/a(n,n)do150k=n,2,-1do140i=k,n140d(k-1,j)=d(k-1,j)-a(k-1,i)*d(i,j)d(k-1,j)=d(k-1,j)/a(k-1,k-1)150continue160continuereturnend表一1952-2001年回归方程计算的估计值和观测值的历年曲线变化图2002200320042005200620072021观测值-29.75-17.450.64-10.63-22.96-19.403.30预测值30.8053339.2322031.9930128.4085024.2936114.32182-2.514375表二2002-2021年预测试验的观测与预测值结果讨论：分析表一，白色实线为1952-2001年的观测真实值，绿色实线为1952-2001年的回归方程计算估计值，由表可以看出，某些年份，预测值与观测值的趋势大致一样，而在某些年份趋势相反，如1959年为极大值，但是估计值却为极小值，且各个年份的两个值的差异也很大，可以看出，通过回归方程预测的值不是很理想。通过表二可以看出，预报观测值与回归方程的预测值差异十分显著，进一步说明了多元线形回归方程的预测值并不理想。