一种基于天气预报描述性数据量化日照时数的方法技术

本发明专利技术公开了一种基于天气预报描述性数据量化日照时数的方法，根据天气预报的天气类型采用七分法得到未来的相对日照时数n/NPAR，将得到的n/NPAR和天气预报的日最高温度Tmax、日较差TR带入预测模型，计算得到相对日照时数预测值n/NPRE，基于待测站点的经纬度信息和预测当日对应的日序数J计算最大可能日时数N，将相对日照时数预测值n/NPRE与最大可能日时数N相乘即可得到日照时数的预测值nPRE。本发明专利技术减少了采用天气类型分类查表确定相对日照时数方法所导致的误差，在利用天气预报中天气描述信息基础上，充分利用天气预报中精度较高的温度等信息，改进了相对日照时数的量化方法，实现了更为精细的日照时数划分，进而显著地提高了日照时数的计算精度。

【技术实现步骤摘要】

本专利技术涉及一种日照时数的预测方法，具体涉及一种基于天气预报描述性数据量化日照时数的方法。
技术介绍
辐射是计算作物需水量的关键因子，在辐射资料实测结果缺乏的地方，日照时数是计算太阳辐射的关键因子。在开展灌溉预报时，往往需要对未来的作物需水量进行预测，而未来的辐射数据是无法获得的，此时基于天气预报数据结果，将描述性的天气类型量化为日照时数可为基于天气预报数据的作物需水预测提供一个关键的输入因子。目前基于天气预报数据大多采用天气类型分类查表的方法来确定相对日照时数(n/N)，再利用根据经纬度和日序数信息计算得到的最大可能日照时数N得到日照时数的估计值n。目前天气类型分类查表的方法主要有五分法和七分法两种分法，五分法将晴、晴见少云、多云、阴、雨五种天气类型分别以0.9，0.7，0.5，0.3和0.1赋予n/N值，而七分法将晴、晴转少云、晴转多云、多云、阴、阴霾和雨七种天气类型分别以0.92，0.775，0.65，0.525，0.375，0.225和0.075赋予n/N值。从实际应用来看，上述存在如下两个问题，一种天气类型描述在现实中可能对应一个比较宽的n/N范围，但是按照分类法n/N将会赋予一个固定值；另一方面天气预报中天气类型经常为模糊性数据，预报精度较差，这会导致直接根据天气类型分类查表法确定的n/N值精度差，进而导致日照时数n预测精度不高。
技术实现思路
专利技术目的：本专利技术的目的在于针对现有技术的不足，提供一种基于天气预报描述性数据量化日照时数的方法，以解决现有技术存在的日照时数区分不够问题，提高日照时数的估值精度。技术方案：本专利技术提供了一种基于天气预报描述性数据量化日照时数的方法，包括以下步骤：(1)根据天气预报的天气类型采用七分法得到未来的相对日照时数n/NPAR；(2)将得到的n/NPAR和天气预报的日最高温度Tmax、日较差TR带入预测模型，计算得到相对日照时数预测值n/NPRE；所述预测模型的建立包括以下步骤：①收集站点逐日的历史天气实测数据和历史天气预报数据，所述历史天气实测数据包括日最高温度Tmax、日最低温度Tmin和实际日照时数n，日较差TR为日最高温度减去日最低温度；②按照七分法将站点的历史天气预报数据中的天气类型分类量化得到逐日的相对日照时数的查表值n/NPAR；③基于站点经纬度信息和对应的日序数J计算该站点每天的最大可能日照时数N，并结合历史天气实测数据的实际日照时数n，计算历史逐日的相对日照时数n/NOBS；④以n/NOBS为目标值，查表值n/NPAR、历史天气实测数据的日最高温度Tmax、日较差TR为输入因子，运用符号回归算法，建立n/NOBS与n/NPAR、Tmax、TR三个自变量之间的数据表达式n/N＝f(Tmax,TR,n/NPAR)，完成模型建模工作；(3)基于待测站点的经纬度信息和预测当日对应的日序数J计算最大可能日时数N；(4)将相对日照时数预测值n/NPRE与最大可能日时数N相乘即可得到日照时数的预测值nPRE。进一步，步骤①对于天气预报中存在的天气类的模糊性描述，分别赋予“转”前面的天气类型与转后面的天气类型75％和25％的权重。进一步，步骤③计算每天的最大可能日照时数N，计算公式为：N(J)=24πωS(J)]]>其中，J为日序数，J＝1,2…365或366，ωs为日落时角；而日落时角的计算公式为：其中，为站点的纬度，δ为磁偏角，磁偏角由以下公式得到：δ(J)=0.409sin(2π365J-1.39).]]>有益效果：1、本专利技术减少了采用天气类型分类查表确定相对日照时数方法所导致的误差，在利用天气预报中天气描述信息基础上，充分利用天气预报中精度较高的温度等信息，改进了相对日照时数的量化方法，实现了更为精细的日照时数划分，进而显著地提高了日照时数的计算精度；2、本专利技术建立预测模型时，在基于天气类型划分定量化相对日照时数基础上，引入了最高气温Tmax、日较差TR作为修正因子可以提高相对日照时数预测的精度，一方面考虑了太阳辐射与最高温度Tmax、日较差TR之间存在着一定的联系，另一方面天气预报中气温预报精度较高；3、本专利技术模型公式的建立采用智能公式挖掘类的符号回归算法实现，可以针对给出的自变量、因变量的数据，以及可能用到的运算符号，通过智能算法筛选出精度较高的公式。附图说明图1为基于天气预报描述性数据量化日照时数的流程图；图2为模型计算得到的日照时数和七分法直接查表得到的日照时数与实际日照时数对比图(以典型站点南京为例)。具体实施方式下面对本专利技术技术方案进行详细说明，但是本专利技术的保护范围不局限于所述实施例。实施例：本实施例收集了中国气象局数据库(http://cdc.cma.gov.cn)提供的南京站点2011-2014年逐日历史实测数据以及中国天气网(http://www.tianqi.com/)提供的2011-2014年逐日天气预报数据，另外还收集了南京站点的经纬度信息。中国气象局数据库所提供的历史实测数据包括日最高温度Tmax、日最低温度Tmin和实际日照时数n，日较差TR为日最高气温减去日最低气温计算得到。而中国天气网提供的天气预报数据包括日最高温度、日最低温度、天气类型以及风力等级。如图1所示，具体实施方式步骤如下：1、结合南京站的经纬度信息计算该段历史中逐日(J＝1,2…365或366)的最大可能日照时数N最大可能日照时数N与日序数J、日落时角ωs存在函数关系，而日落时角ωs是纬度和磁偏角δ的函数，磁偏角δ是日序数J的函数，故先计算磁偏角δ，计算公式为：δ(J)=0.409sin(2π365J-1.39)---(1)]]>由公式(1)可得到磁偏角δ，结合南京站点的纬度计算日落时角ωs，计算公式为：结合公式(1)、(2)即可计算出逐日的最大可能日照时数N，计算公式为：N(J)=24πωS(J)---(3)]]>2、采用七分法量化天气预报的描述性数据，得到历史逐日的n/NPAR根据收集的天气预报数据按七分法量化(见表1)的相对日照时数为n/NPAR。其中天气预报存在对天气类型的模糊性描述，例如晴转阴等此类不在七分法分类的描述，对于这些类型的量化，按“转”前面的天气类型与转后面的天气类型分别赋予75％和25％的权重。例如天气类型为晴转阴，该天气类型量化的相对日照时数n/NPAR为75％×0.92+25％×0.375＝0.784，采用75％和25％比重的原因是按天气预报中天气类型描述习惯，“转”前面的天气类型为白天，“转”后面的天气类型描述为晚上，对于辐射而言，白天的比重必大于晚上所占比重，因此分别赋予75％和25％比重。表1七种天气类型划分的相对日照时数量化表3、建立相对日照时数n/N的定量计算模型基于历史实测的实际日照时数n和计算得到的最大可能日照时数N，计算得到每天的相对日照时数n/NOBS。以2011-2013年的n/NOBS作为率定期数据，据此建立n/N的计算模型，2014年数据用于模型验证期。由于模型计算公式未知，该计算模型的广义表达式为：n/N＝f(Tmax,TR,n/NPAR)(4)以2011-2本文档来自技高网...

【技术保护点】
一种基于天气预报描述性数据量化日照时数的方法，其特征在于：包括以下步骤：(1)根据天气预报的天气类型采用七分法得到未来的相对日照时数n/NPAR；(2)将得到的n/NPAR和天气预报的日最高温度Tmax、日较差TR带入预测模型，计算得到相对日照时数预测值n/NPRE；所述预测模型的建立包括以下步骤：①收集站点逐日的历史天气实测数据和历史天气预报数据，所述历史天气实测数据包括日最高温度Tmax、日最低温度Tmin和实际日照时数n，日较差TR为日最高温度减去日最低温度；②按照七分法将站点的历史天气预报数据中的天气类型分类量化得到逐日的相对日照时数的查表值n/NPAR；③基于站点经纬度信息和对应的日序数J计算该站点每天的最大可能日照时数N，并结合历史天气实测数据的实际日照时数n，计算历史逐日的相对日照时数n/NOBS；④以n/NOBS为目标值，查表值n/NPAR、历史天气实测数据的日最高温度Tmax、日较差TR为输入因子，运用符号回归算法，建立n/NOBS与n/NPAR、Tmax、TR三个自变量之间的数据表达式n/N＝f(Tmax,TR,n/NPAR)，完成模型建模工作；(3)基于待测站点的经纬度信息和预测当日对应的日序数J计算最大可能日时数N；(4)将相对日照时数预测值n/NPRE与最大可能日时数N相乘即可得到日照时数的预测值nPRE。...

【技术特征摘要】
1.一种基于天气预报描述性数据量化日照时数的方法，其特征在于：包括以下步骤：(1)根据天气预报的天气类型采用七分法得到未来的相对日照时数n/NPAR；(2)将得到的n/NPAR和天气预报的日最高温度Tmax、日较差TR带入预测模型，计算得到相对日照时数预测值n/NPRE；所述预测模型的建立包括以下步骤：①收集站点逐日的历史天气实测数据和历史天气预报数据，所述历史天气实测数据包括日最高温度Tmax、日最低温度Tmin和实际日照时数n，日较差TR为日最高温度减去日最低温度；②按照七分法将站点的历史天气预报数据中的天气类型分类量化得到逐日的相对日照时数的查表值n/NPAR；③基于站点经纬度信息和对应的日序数J计算该站点每天的最大可能日照时数N，并结合历史天气实测数据的实际日照时数n，计算历史逐日的相对日照时数n/NOBS；④以n/NOBS为目标值，查表值n/NPAR、历史天气实测数据的日最高温度Tmax、日较差TR为输入因子，运用符号回归算法，建立n/NOBS...

【专利技术属性】
技术研发人员：徐俊增，刘文豪，王海渝，卫琦，杨士红，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32