EOF 迭代方案的主要原理是：设前N 年的预报对象距平场的矩阵为 Y1/M2×N，对应的预报因子距平场矩阵为X1/M1×N，而要预报的第N+1 年的预报对象矩阵为Y2/M2×1，其对应的预报因子矩阵为X2/M1×1。其中M1 为因子数，M2 为预报站点数。当范数∣∣^Y(n)2-^Y(n-1)2 ∣∣ <ε时（6），^Y(n) 2 即为所需预报的第N+1 年的预报量距平场矩阵。文献（6）及我们做的大量数值试验都表明：这种EOF 迭代方案是收敛的。利用最近32 年山西30 个代表站点四季降水总量资料与前期(上年和同年)北半球500hPa 月平均高度场（5°×10°格点）、100hPa 月平均高度场（10°×10°格点）和北太平洋（包括赤道附近）月平均海温场（5°× 5°格点）做了逐点、逐年、逐月的滑动相关(滑动样本长度为30 年，滑动3 次)普查分析。从影响山西季降水的前期北平球500hPa、 100hPa 月平均高度场和北太平洋月平均海温场因子与各季降水场分别构造的初始矩阵出发，运用EOF 迭代方案，对山西四季降水距平场进行了预报试验研究。在迭代过程中，对迭代次数n 不作限制，只给出的ε＝0.01，这样可使迭代结果更趋稳定。结果表明：此法不但可行，而且试报准确率较高。由于考虑并引入了影响山西季降水的前期大气环流及海温场诸多稳定性很好的关键区因子，才使得迭代预报结果令人满意。可见，本文提出的EOF 迭代前期环流及海温多因子的季气候预报方法，具有较高的预报能力。其优越性在于，该方法能较好地应用各种因子资料中的信息以及预报对象与多因子的物理联系，可作出不同时间尺度的长期预报；而且它还具有EOF 展开的各种优点，又能同时做出单点和区域预报。很显然，由于季平均气温变化幅度较小，如将这一方案应用到山西季平均气温预报中，效果可能会更好。李跃清等人曾做过这方面的预报试验研究[7]，效果很佳。今后逐步把高原热状况、陆地热状况、天文因子以及海冰等物理因子引进EOF 迭代方案，可以使预报准确率更加提高。