一种多气候模式输出数据综合校正及不确定性评估方法技术

本发明专利技术公开了一种多气候模式输出数据综合校正及不确定性评估方法，基于分位点多元回归模型，以多气候模式的输出数据为自变量，构建了多气候模式输出数据的综合校正模型，在实现气候模式输出数据校正的同时，可定量评估预报的不确定性，克服了目前通常基于单模式输出数据进行校正，而无法对多模式输出数据进行综合校正，且很难定量评估数据的不确定性这一不足。本发明专利技术在气候模式输出数据校正领域，具有较好地应用前景。

Integrated correction and uncertainty evaluation method for multi climate model output data

The invention discloses a multi climate model output data comprehensive calibration and uncertainty assessment method, quantile regression model based on the output data of many climate models as independent variables, to build a comprehensive correction model of multi climate model output data, in the implementation of climate model output data correction at the same time, the quantitative assessment of forecast to overcome the current uncertainty, usually based on single mode output data are corrected, and unable to multi mode output data comprehensive correction, and it is difficult to quantitative evaluation of the uncertainty of the data this problem. The invention has good application prospect in the field of climate model output data correction.

【技术实现步骤摘要】

本专利技术涉及一种多气候模式输出数据综合校正及不确定性评估方法，尤其涉及一种基于分位点多元回归模型的多气候模式输出数据综合校正及不确定性评估方法。
技术介绍
气候模式输出数据可以用于对未来的气候变化情况进行定量预估。模式输出的降雨气温等长期预估数据，已经成为认识气候变化、分析和评估气候变化对水资源及生态环境等影响的非常重要的工具。不同模式输出的预估数据通常存在不可忽视的预估误差，且各模式间预估效果的差异性明显，但各个模型的预估数据都能在一定程度上或是一定水平上，反应真实观测的某些局部特征。为此，通过对多模式输出数据进行综合校正，可以较好地集成利用各个模式预估数据的有效特征。而目前关于模式输出数据的校正，均采用单模式数据校正方法，无法实现对多模式输出数据综合校正且很难对校正结果的不确定性进行评估。
技术实现思路
本专利技术所要解决的技术问题是提供一种多气候模式输出数据综合校正及不确定性评估方法，克服了目前校正方法存在的如下不足：1、基于单模式输出数据进行校正，而无法对多模式输出数据进行综合校正；2、很难定量评估数据的不确定性。本专利技术为解决上述技术问题采用以下技术方案：本专利技术提供一种多气候模式输出数据综合校正及不确定性评估方法，包括如下步骤：步骤1，根据实际需求，从IPCC公布的模式中选取若干气候模式；步骤2，对步骤1所选气候模式的预估精度进行评价，从高到低进行排序，并根据实际需求选取预估精度最优的N个气候模式；步骤3，从步骤2中选取的N个气候模式中，随机抽取n个气候模式构建多模式集合预报系统，其中，n≤N；步骤4，重复进行步骤3，构建m个集合预报成员为n的多模式集合预报系统，其中，m为根据实际需求重复进行步骤3的次数；步骤5，根据实际需求改变n的大小，重复进行步骤3至4，构建若干具有不同数量预报成员的多模式集合预报系统，并对这些多模式集合预报系统进行性能评估；步骤6，从步骤5中构建的多模式集合预报系统中，选取性能最优的多模式集合预报系统；步骤7，基于实际观测数据和同时期步骤6中选取的性能最优的多模式集合预报系统的回预报数据，对分位点多元回归模型的参数进行率定，构建不同分位点水平下的分位点多元回归模型；步骤8，基于步骤7中构建的分位点多元回归模型，以多气候模式的输出数据为自变量，以多模式集合预报系统中的各模式预报数据为协变量，建立不同分位点水平下的预报数据综合校正模型，对步骤6中选取的性能最优的多模式集合预报系统的多模式预估数据进行校正，从而获得不同分位点水平上的预报值，并评估预报值的不确定性。作为本专利技术的进一步优化方案，步骤2中，根据实际观测数据和同时期的各气候模式的预估数据，采用均方根误差、确定性系数、相关系数指标对步骤1所选气候模式的预估精度进行评价。作为本专利技术的进一步优化方案，步骤5中，采用布尔技巧得分、秩概率技巧得分、可靠性曲线、Talagrand分布图、均方根误差、确定性系数、相关系数构建的指标体系，对构建的多模式集合预报系统进行性能评估精度、离散度及可靠性进行性能评估。作为本专利技术的进一步优化方案，步骤7中，采用加权最小一乘准则对分位点多元回归模型的参数进行率定。作为本专利技术的进一步优化方案，该方法还包括：若步骤7中构建的不同分位点水平下的分位点多元回归模型的精度不满足要求，则返回步骤6选取性能次优的多模式集合预报系统，直至构建的不同分位点水平下的分位点多元回归模型满足精度要求。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术提供了一种多气候模式输出数据综合校正及不确定性评估技术，克服了目前通常基于单模式输出数据进行校正，而无法对多模式输出数据进行综合校正，且很难定量评估数据的不确定性这一不足。在气候模式输出数据校正领域，具有较好地应用前景。具体实施方式下面通过具体实施例对本专利技术的技术方案做进一步的详细说明：本专利技术基于分位点多元回归模型，以多气候模式的输出数据为自变量，构建了多气候模式输出数据的综合校正模型，在实现气候模式输出数据校正的同时，可定量评估预报的不确定性，克服了目前通常基于单模式输出数据进行校正，而无法对多模式输出数据进行综合校正，且很难定量评估数据的不确定性这一不足。本专利技术在气候模式输出数据校正领域，具有较好地应用前景。下面通过具体实施例，对本专利技术的技术方案做进一步具体说明：(1)从IPCC公布的全球耦合模式比较计划第五阶段成果(CMIP5)成果中选取35个模式的预报结果，并将各气候模式输出的预估数据进行统计降尺度处理，使降尺度的各气候模式预估数据Yio与实际观测数据O的空间尺度保持一致。(2)基于实际观测数据O和同时期的各气候模式预估数据(经统计降尺度处理后的数据)Yio，采用均方根误差、确定性系数、相关系数指标评价各模式的数据精度，选取精度最高的前15个气候模式。(3)从步骤(2)选定的15气候模式中，随机抽取10个气候模式构建多模式集合预报系统；重复抽取10次，即可获得10个不同的多模式集合预报系统，该系统中气候模式成员数为10个。(4)从步骤(2)选定的15气候模式中，随机抽取11个气候模式构建多模式集合预报系统；重复抽取10次，即可获得10个不同的多模式集合预报系统，该系统中气候模式成员数为11个。(5)从步骤(2)选定的15气候模式中，随机抽取12个气候模式构建多模式集合预报系统；重复抽取10次，即可获得10个不同的多模式集合预报系统，该系统中气候模式成员数为12个。(6)从步骤(2)选定的15气候模式中，随机抽取13个气候模式构建多模式集合预报系统；重复抽取10次，即可获得10个不同的多模式集合预报系统，该系统中气候模式成员数为13个。(7)从步骤(2)选定的15气候模式中，随机抽取14个气候模式构建多模式集合预报系统；重复抽取10次，即可获得10个不同的多模式集合预报系统，该系统中气候模式成员数为14个。(8)通过步骤(2)-(7)，可获得50个不同的多模式集合预报系统。(9)采用布尔技巧得分、秩概率技巧得分、可靠性曲线、Talagrand分布图、均方根误差、确定性系数、相关系数构建的指标体系，对构建的50个集合预报系统的精度、离散度及可靠性进行综合评估评。(10)从步骤(9)中选取最优的集合预报系统，记为M，该系统包含的气候模式成员数为11，记为Mj(j＝1,2,…,11)，对应的预报数据系列记为Sj。(11)基于实际观测数据O和步骤(10)M中的11个气候模式同时期的回预报数据，对分位点多元回归模型的参数进行率定，构建不同分位点水平下的分位点多元回归模型。(12)步骤(11)中的分位点多元回归模型表示如下：X(τ)＝β0(τ)+β1(τ)S1+β2(τ)S2+…+β11(τ)S11+ε(τ) (1)式中，τ是选取的分位点(0＜τ＜1)，决定了因变量的回归水平，τ越大，表明回归水平越高，τ的选取根据实际需求确定，一般为0.05,0.25,0.5,0.75和0.95；βi(τ)是回归水平τ下的方程系数；X(τ)为给定分位点τ的模型回归值；ε(τ)为残差；本专利技术中τ∈{0.05,0.25,0.5,0.75,0.95本文档来自技高网...

【技术保护点】
一种多气候模式输出数据综合校正及不确定性评估方法，其特征在于，包括如下步骤：步骤1，根据实际需求，从IPCC公布的模式中选取若干气候模式；步骤2，对步骤1所选气候模式的预估精度进行评价，从高到低进行排序，并根据实际需求选取预估精度最优的N个气候模式；步骤3，从步骤2中选取的N个气候模式中，随机抽取n个气候模式构建多模式集合预报系统，其中，n≤N；步骤4，重复进行步骤3，构建m个集合预报成员为n的多模式集合预报系统，其中，m为根据实际需求重复进行步骤3的次数；步骤5，根据实际需求改变n的大小，重复进行步骤3至4，构建若干具有不同数量预报成员的多模式集合预报系统，并对这些多模式集合预报系统进行性能评估；步骤6，从步骤5中构建的多模式集合预报系统中，选取性能最优的多模式集合预报系统；步骤7，基于实际观测数据和同时期步骤6中选取的性能最优的多模式集合预报系统的回预报数据，对分位点多元回归模型的参数进行率定，构建不同分位点水平下的分位点多元回归模型；步骤8，基于步骤7中构建的分位点多元回归模型，以多气候模式的输出数据为自变量，以多模式集合预报系统中的各模式预报数据为协变量，建立不同分位点水平下的预报数据综合校正模型，对步骤6中选取的性能最优的多模式集合预报系统的多模式预估数据进行校正，从而获得不同分位点水平上的预报值，并评估预报值的不确定性。...

【技术特征摘要】
1.一种多气候模式输出数据综合校正及不确定性评估方法，其特征在于，包括如下步骤：步骤1，根据实际需求，从IPCC公布的模式中选取若干气候模式；步骤2，对步骤1所选气候模式的预估精度进行评价，从高到低进行排序，并根据实际需求选取预估精度最优的N个气候模式；步骤3，从步骤2中选取的N个气候模式中，随机抽取n个气候模式构建多模式集合预报系统，其中，n≤N；步骤4，重复进行步骤3，构建m个集合预报成员为n的多模式集合预报系统，其中，m为根据实际需求重复进行步骤3的次数；步骤5，根据实际需求改变n的大小，重复进行步骤3至4，构建若干具有不同数量预报成员的多模式集合预报系统，并对这些多模式集合预报系统进行性能评估；步骤6，从步骤5中构建的多模式集合预报系统中，选取性能最优的多模式集合预报系统；步骤7，基于实际观测数据和同时期步骤6中选取的性能最优的多模式集合预报系统的回预报数据，对分位点多元回归模型的参数进行率定，构建不同分位点水平下的分位点多元回归模型；步骤8，基于步骤7中构建的分位点多元回归模型，以多气候模式的输出数据为自变量，以多模式集合预报系统中的各模式预报数据为协变量，建立不同分位点水平下的预报数据综合校正模型，对步骤6中选取的性能...

【专利技术属性】
技术研发人员：胡义明，梁忠民，刘永伟，杜康宁，李大洋，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32