System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及气候预测,尤其涉及一种动力与统计相结合的寒露风初日预测方法及装置。
技术介绍
1、目前,寒露风初日的预测方法有两种:一是传统的基于历史的台站观测、大气环流和海洋等观测数据,建立预报因子和统计模型并对未来寒露风初日进行预测的经验统计方法;另一种是采用气候预测模式的逐日气温预测结果的方法(即对照寒露风初日标准,在模式对气象台站的逐日气温预测序列中寻找气温第一次连续3天低于22℃的日期)。
2、由于气候系统的复杂性,能够影响本地寒露风初日的前期海温、海冰和大气环流因子众多,影响机理也非常复杂,无法通过这些经验统计预报模型真实地反映前期海温、海冰或大气环流影响局地气候的物理过程。若采用海量大数据进行预测因子选取和建模,也存在成本高、效率低的问题。
技术实现思路
1、专利技术目的:提出一种动力与统计相结合的寒露风初日预测方法及装置,以解决现有技术存在的上述问题。
2、第一方面,提出一种动力与统计相结合的寒露风初日预测方法,步骤如下:
3、s1、获取历史寒露风初日序列;并获取历史寒露风初日所在月份的平均大气环流场;
4、s2、根据所述历史寒露风初日序列、平均大气环流场,计算寒露风初日序列与平均大气环流场的相关系数,得到历史寒露风初日序列所对应的相关系数场;
5、s3、设定活动窗口,利用所述活动窗口在所述相关系数场上滑动,确定最优因子所在区域;
6、s4、在所述最优因子所在区域内形成最优匹配预测因子,将所述最优
7、s5、将所需预测年份的预测因子导入所述寒露风初日预测模型,得到预测年的寒露风初日的定量预测值,完成预测年的寒露风初日预测。
8、在第一方面进一步的实施例中,步骤s2包括:选择历史寒露风初日所在月份的200百帕位势高度场、500百帕位势高度场、200百帕纬向风速场、200百帕经向风速场、850百帕纬向风速场、以及850百帕经向风速场,构成大气环流场。
9、在第一方面进一步的实施例中,步骤s2还包括:基于所述大气环流场,并结合所述历史寒露风初日序列,分别计算得到多个历史寒露风初日序列所对应的相关系数:
10、;
11、式中,x为某一网格点上的大气环流的多年序列,y为多年寒露风初日序列,为x和y的协方差,和分别为x和y的标准差;
12、多个历史寒露风初日序列所对应的相关系数构成相关系数场。
13、在第一方面进一步的实施例中,步骤s3进一步包括:
14、设定由预定纬度和经度构成的活动窗口,所述活动窗口在所述相关系数场上滑动,直到遍历整个网格范围,从而得到若干个窗口;
15、针对每个窗口,计算窗口内所有网格点的上述相关系数绝对值之和s,挑选出s值最大的窗口,即为与寒露风初日相关程度最好的窗口。
16、在第一方面进一步的实施例中,所述活动窗口在所述相关系数场上滑动时,遵循先向东、再向南的顺序逐次移动,每移动一次都得到一个大小固定的窗口;
17、计算窗口内所有网格点的上述相关系数绝对值之和s:
18、;
19、式中,n为活动窗口所包含的网格点数,为相关系数的绝对值,挑选出最大的活动窗口,该活动窗口的大气环流与寒露风初日的相关程度最好,以表示。
20、在第一方面进一步的实施例中,步骤s4包括:
21、针对步骤s3挑选出来的相关程度最好的活动窗口,将其中每个网格点上的大气环流值都乘以步骤s2得到的其与寒露风初日的相关系数,对活动窗口内所有网格点得到的这一乘积进行累加,将其作为最终选取的预测因子,公式如下:
22、;
23、式中,为预测因子在某年的值,为挑选出来的活动窗口中某个网格点第年的环流值,为上述相关系数值,和表示自西向东和自北向南的第和个网格点;
24、将多年寒露风初日序列和预测因子序列,建立一元线性回归模型;
25、采用最小二乘法求解系数a和b,进而得到寒露风初日的回归预测模型。
26、在第一方面进一步的实施例中,步骤s5包括:将预测年的预测因子代入所述一元线性回归模型,得到寒露风初日的定量预测值。
27、本专利技术的第二个方面,提出一种寒露风初日预测装置,利用该预测装置可以执行如第一方面所述的动力与统计相结合的寒露风初日预测方法,该预测装置包括:
28、获取单元,用于获取历史寒露风初日序列;并获取历史寒露风初日所在月份的平均大气环流场;
29、第一计算单元,用于根据所述历史寒露风初日序列、平均大气环流场,计算得到历史寒露风初日序列所对应的相关系数场;
30、第一处理单元,用于设定活动窗口,利用所述活动窗口在所述相关系数场上滑动,确定最优因子所在区域;
31、第二处理单元,用于在所述最优因子所在区域内形成最优匹配预测因子,将所述最优匹配预测因子和历史寒露风初日序列相结合,得到寒露风初日预测模型;
32、预测输出单元,用于将所需预测年份的预测因子导入所述寒露风初日预测模型,得到预测年的寒露风初日的定量预测值,完成预测年的寒露风初日预测。
33、第三方面,提出一种电子设备,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如第一方面所述的动力与统计相结合的寒露风初日预测方法。
34、第四方面,提出一种计算机可读存储介质,所述存储介质中存储有至少一个可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如第一方面所述的动力与统计相结合的寒露风初日预测方法。
35、本专利技术具备如下有益效果:
36、该方法的多年回报预测与利用气候模式气温预测寒露风初日的方法相比,在次季节时间尺度能够明显的降低预测与观测的系统性偏差,并且与观测的相关系数明显提高,预测效果提升明显。
37、该方法与以往传统的经验统计预报模型相比,避免了由于众多物理因子对寒露风影响机理过于复杂且不明确而导致预测方程的较多不确定性;此外,由于仅需要利用气候预测模式数据进行预测,与利用前期海量观测数据来寻找预测因子的工作量相比,减少了资料的使用量和计算量,提升了效率。
本文档来自技高网...【技术保护点】
1.动力与统计相结合的寒露风初日预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的动力与统计相结合的寒露风初日预测方法,其特征在于,步骤S2进一步包括:选择历史寒露风初日所在月份的200百帕位势高度场、500百帕位势高度场、200百帕纬向风速场、200百帕经向风速场、850百帕纬向风速场、以及850百帕经向风速场,构成大气环流场。
3.根据权利要求2所述的动力与统计相结合的寒露风初日预测方法,其特征在于,步骤S2还包括:基于所述大气环流场,并结合所述历史寒露风初日序列,分别计算得到多个历史寒露风初日序列所对应的相关系数:
4.根据权利要求3所述的动力与统计相结合的寒露风初日预测方法,其特征在于,步骤S3进一步包括:
5.根据权利要求4所述的动力与统计相结合的寒露风初日预测方法,其特征在于,所述活动窗口在所述相关系数场上滑动时,遵循先向东、再向南的顺序逐次移动,每移动一次都得到一个大小固定的窗口;
6.根据权利要求4所述的动力与统计相结合的寒露风初日预测方法,其特征在于,步骤S4进一步包括:
7.根
8.一种寒露风初日预测装置,用于执行如权利要求1至7中任一项所述的动力与统计相结合的寒露风初日预测方法,其特征在于,包括:
9.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一个可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如权利要求1至7中任一项所述的动力与统计相结合的寒露风初日预测方法。
...【技术特征摘要】
1.动力与统计相结合的寒露风初日预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的动力与统计相结合的寒露风初日预测方法,其特征在于,步骤s2进一步包括:选择历史寒露风初日所在月份的200百帕位势高度场、500百帕位势高度场、200百帕纬向风速场、200百帕经向风速场、850百帕纬向风速场、以及850百帕经向风速场,构成大气环流场。
3.根据权利要求2所述的动力与统计相结合的寒露风初日预测方法,其特征在于,步骤s2还包括:基于所述大气环流场,并结合所述历史寒露风初日序列,分别计算得到多个历史寒露风初日序列所对应的相关系数:
4.根据权利要求3所述的动力与统计相结合的寒露风初日预测方法,其特征在于,步骤s3进一步包括:
5.根据权利要求4所述的动力与统计相结合的寒露风初日预测方法,其特征在于,所述活动窗口在所述相关系数场上滑动时,遵循先...
【专利技术属性】
技术研发人员:程智,朱明佳,朱保林,刘长征,宋阿伟,刘俊杰,徐祥,
申请(专利权)人:安徽省气候中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。