基于自适应核密度估计算法的地面气温观测资料分析方法技术

本发明专利技术涉及一种基于自适应核密度估计算法的地面气温观测资料分析方法，属于地面气温观测资料分析领域，该方法在传统的固定窗宽核密度估计算法挤出上引入自适应算法，即在窗宽参数中引入自适应系数，能够有效反应样本观测值的稀疏程度所带来的影响，然后再对自适应算法进行改进，将窗宽参数替换为最优窗宽，使地面气温观测数据下得出的结果满足所有均方误差均为最小，使得改进后的自适应方法完全适用于地面气温观测资料。

Analysis Method of Ground Temperature Observation Data Based on Adaptive Kernel Density Estimation

【技术实现步骤摘要】
基于自适应核密度估计算法的地面气温观测资料分析方法
本专利技术涉及地面气温观测资料分析领域，特别专利技术了一种改进的核密度估计算法对地面气温要素进行分析。
技术介绍
近年来，全球变暖的趋势愈专利技术显，气温变化给社会带来了严重的影响，因此得到了各国学者的广泛关注，以此为研究得到了许多有意义的结论。就我国而言，对地理位置特殊的地区如高原、盆地等研究较多，取得了许多成果，而气温较为稳定的东南地区研究不足。传统气温分析方法多数建立在时间序列的基础上来预测并分析未来的变化趋势，在空间角度上各国专家学者也进行了一系列的研究，但是影响气温变化的因素非常复杂，且存在明显的区域性与季节性差异。已有的研究对造成气温变化的原因分析不足。
技术实现思路
本专利技术为了解决现有技术中存在的问题，提供一种用于地面气温观测资料分析的方法。为了达到上述目的，本专利技术提出的技术方案为：一种基于自适应核密度估计算法的地面气温观测资料分析方法，包括如下步骤：步骤1、选取目标地区地面气温观测资料的一段时间序列内的站点数据样本，第i个站点数据为Xi＝(xi1,xi2,…xij,…,xin)T；步骤2、根据核密度估计公式计算核密度估计值；其中K(x)为核函数，h为窗宽，hi为第i的站点对应的窗宽，n为样本容量；步骤3、设计窗宽系数则自适应窗宽为hi*＝λihi，将自由适应窗宽替换核密度估计公式中的窗宽，得到自适应核密度估计公式其中g为的算数平均值；α为灵敏参数，满足0≤α≤1；步骤4、设计最优窗宽将最优窗宽替代自适应核密度估计公式中的窗宽，得到其中，c为参数，为站点数据样本的标准差。对上述技术方案的进一步设计为：所述核函数采用Gaussian函数。采用调整的粒子群算法分别对参数c与α进行选取，则步骤4中最优窗宽公式调整为：得到改进的自适应核密度估计公式：其中，ω与μ为参数，取值范围分别在[-0.5，0.5]和[-0.1，0.5]之间。参数c与α初值设定为1.06与0.2。本专利技术相比于现有技术所产生的有益效果为：本专利技术的自适应核密度估计算法无论是精度还是拟合程度都比传统的固定窗宽算法好，另外本专利技术提出的算法在多尺度下均具有良好的预测精度与拟合程度，而传统算法只能在小尺度下进行应用。从原理层面上来看，了解气温的变化特征以及多时间尺度下各个区域的变化特点，有助于对气温变化趋势及其影响因素的深入理解，因此需要剖析地面气温观测资料的频次、数值大小、趋势等属性以及在多时间尺度下气候、位置对于气温的影响，进而能够深入进行分析与研究。本专利技术提出的算法可以很好的分析了我国地面气温观测资料的统计特性，为进一步研究地面气温观测资料提供理论基础。本专利技术提出的方法可以有效的分析地面气温观测资料的统计特性，并且对其影响原因也可进行进一步的分析，因此可以有效的应用于地面气温观测资料的分析与应用。附图说明图1为本专利技术实施例流程图；图2a为本专利技术方法与传统固定窗宽的核密度估计算法的MAE效果对比柱形图；图2b为本专利技术方法与传统固定窗宽的核密度估计算法的RMSE效果对比柱形图；图2c为本专利技术方法与传统固定窗宽的核密度估计算法的NSC效果对比柱形图；图2d为本专利技术方法与传统固定窗宽的核密度估计算法的IOA效果对比柱形图；图2e为本专利技术方法与传统固定窗宽的核密度估计算法的MAE效果对比折线图；图2f为本专利技术方法与传统固定窗宽的核密度估计算法的RMSE效果对比折线图；图2g为本专利技术方法与传统固定窗宽的核密度估计算法的NSC效果对比折线图；图2h为本专利技术方法与传统固定窗宽的核密度估计算法的IOA效果对比折线图；图3a为本专利技术方法在徐州站点的核密度估计算法试验结果图；图3b为本专利技术方法在宿迁站点的核密度估计算法试验结果图；图3c为本专利技术方法在连云港站点的核密度估计算法试验结果图；图3d为本专利技术方法在淮安站点的核密度估计算法试验结果图；图3e为本专利技术方法在扬州站点的核密度估计算法试验结果图；图3f为本专利技术方法在南京站点的核密度估计算法试验结果图；图3g为本专利技术方法在镇江站点的核密度估计算法试验结果图；图3h为本专利技术方法在常州站点的核密度估计算法试验结果图；图3i为本专利技术方法在盐城站点的核密度估计算法试验结果图；图3j为本专利技术方法在无锡站点的核密度估计算法试验结果图；图3k为本专利技术方法在苏州站点的核密度估计算法试验结果图；图3l为本专利技术方法在南通站点的核密度估计算法试验结果图；图4为江苏省12站点分布图。具体实施方式下面结合附图以及具体实施例对本专利技术进行详细说明。按照本专利技术实施例方法的流程图，如图1所示，首先要采集所需站点在一定时间序列内的气温资料，然后对数据进行基本的预处理，接着，分别进行不同的核密度估计试验，采用不同的评价指标进行评价，最后利用本文提出的算法进行江苏省12站点的试验并进行分析。以下将对江苏省徐州(站号：58027)、宿迁(站号：58131)、连云港(站号：58044)、淮安(站号：58141)、扬州(站号：58245)、南京(站号：58238)、镇江(站号：58248)、常州(站号：58343)、盐城(站号：58154)、无锡(站号：58354)、苏州(站号：58349)、南通(站号：58259)共计12个站点1988年到2007年日、夜、季度平均气温值作为观测资料进行实施例分析，进一步说明本专利技术：对比例一选取江苏省12个站点地面气温观测资料1988年到2007年气温六小时数据以及月平均数据作为观测资料，对以上获取的资料进行预处理，预处理数据为：取其中08时与14时气温的平均值作为日均温，取20时与02时气温的平均值作为夜均温，取1-3月为第一季度，4-6月为第二季度，7-9月为第三季度，10-12月为第四季度，得到相应的时间序列X＝(X1,X2,…,X12)，其中第i个站点数据为Xi＝(xi1,xi2,…xij,…,xin)T。采用固定窗宽的传统核密度估计算法进行试验，根据核密度估计的公式进行计算，其中K(x)为核函数，h＞0为窗宽参数，固定值一般选取1.8～2，n为样本容量。选取数学性质较好的Gaussian核函数：作为核函数。基于最小平方差(LSCV)的思想，根据积分均方误差(MISE)最小，推导求出最优的固定窗宽，具体推理过程如下：根据积分均方误差公式其中偏差公式为方差对偏差公式进一步化简可得：以及将其偏差与方差代入积分均方误差公式其中，k2＝∫x2K(x)dx，令如果需要MISE最小，则AMISE达到最小，所以对AMIS求一阶导数令其等于0，求出最优窗宽h。推导出的最优窗宽h为：当核函数确定为高斯核后，可推得：其中为样本的标准差。对比例二对比例一所采用的窗宽均为固定窗宽，不能够有效反应样本观测值的稀疏程度所带来的影响，本对比例在对比例一的基础上加入了自适应算法。根据对比例一得到的核密度估计值在hi与成比例的基础上，通过设计窗宽系数来改进，其中g为的算术平均：即α为灵敏参数，满足0≤α≤1，实际应用中α为0.5时效果最好，因此自适应窗宽为hi*＝λihi，替换对比例一中的hi，即可求得自适应核密度估计但是上述方法直接应用到地面气温观测资料分析上并不合适，其中初始h缺乏一个选择标准，通过代入最优窗宽的选择方法，针对不同站点选取不同的初始窗宽hi，结合自适应参数得出适用于地面本文档来自技高网...

【技术保护点】
1.基于自适应核密度估计算法的地面气温观测资料分析方法，其特征在于，包括如下步骤：步骤1、选取目标地区地面气温观测资料的一段时间序列内的站点数据样本，第i个站点数据为Xi＝(xi1,xi2,…xij,…,xin)

【技术特征摘要】
1.基于自适应核密度估计算法的地面气温观测资料分析方法，其特征在于，包括如下步骤：步骤1、选取目标地区地面气温观测资料的一段时间序列内的站点数据样本，第i个站点数据为Xi＝(xi1,xi2,…xij,…,xin)T；步骤2、根据核密度估计公式计算核密度估计值；其中K(x)为核函数，h为窗宽，hi为第i的站点对应的窗宽，n为样本容量；步骤3、设计窗宽系数则自适应窗宽为hi*＝λihi，将自由适应窗宽替换核密度估计公式中的窗宽，得到自适应核密度估计公式其中g为的算数平均值；α为灵敏参数，满足0≤α≤1；步骤4、设计最优窗宽将最优窗宽替代自适应核密度估计公式中的窗宽...

【专利技术属性】
技术研发人员：叶小岭，阚亚进，熊雄，陈昕，王佐鹏，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32