一种对数值预报格点温度预报数据精细化处理的方法技术

本发明专利技术提供了一种对数值预报格点温度预报数据精细化处理的方法，具体如下：进行系统初始化后，获取实验数据，读取观测点及周围四个格点的经纬度坐标及观测点实况温度数据、周围四个格点温度预报值，进行误差分析和数据筛选，然后计算24节气每个节气的误差算术平均值和连续三天的同一预报时次误差的滑动平均值，并对所得数值进行反正切函数优化处理，再求得以上两个误差对预报结果影响的权重系数，然后按设定顺序依次计算得到各观测站点的误差滑动平均值、节气误差平均值及权重系数的集合，使用以上结果对各观测站点所代表县域内的数值预报格点温度数据进行修订计算，最后用修订数据对指定坐标点进行精细化插值计算和日最高温、日最低温的计算。

A method for fine processing of numerical prediction grid temperature forecast data

The present invention provides a method for numerical prediction of lattice temperature prediction data of fine processing as follows: after initialization, to obtain experimental data, read the observation points and around four lattice points of latitude and longitude coordinates and the observation point live temperature data, around four lattice temperature forecast error filter error analysis and data, then calculate the arithmetic mean value of the 24 solar term each solar term and the same forecast for three consecutive days when the error moving average value, and the value of arctangent function optimization, and then obtained the above two errors affect the forecast results of weight coefficients, and then calculated according to the set order each observation site set error moving average value, the average error and the weight coefficient of the solar term, using the above results for each observation site represents a numerical prediction within the county The lattice temperature data are revised and calculated, and the precise interpolation calculation of the specified coordinate points and the calculation of the highest temperature and the lowest temperature in the day are carried out by using the revised data.

【技术实现步骤摘要】
一种对数值预报格点温度预报数据精细化处理的方法
本专利技术涉及气象预报领域，尤其涉及一种对数值预报格点温度预报数据精细化处理的方法。
技术介绍
目前，气象部门用于业务系统的预报方法主要有DMO方法、PP法、人工神经网络方法、MOS方法、相似预报方法、动力方法及卡尔曼滤波方法等。传统的DMO方法就是通过插值把格点上的模式要素预报结果分析到具体的站点，得到站点上的要素预报，对于不是模式直接输出的要素，采用经验公式计算得到，其缺点在于对模式误差没有订正能力，预报精度完全依赖于模式，相对于形势场预报模式对要素预报的精度往往不是很高；完全预报方法(PP法)是用历史资料中与预报对象同时间的实际气象参量作预报因子，建立统计方程，之后在假定数值预报的结果是“完全正确”(perfect)的前提下，用数值预报输出值代入到上述统计方程中，就可得到与预报时刻相对应的预报值；其缺点除含有统计关系造成的误差外，主要是无法考虑数值模式的预报误差，使最终的气温预报结果受到一定影响；人工神经网络法是非线性方法的一种，它实际上是一个可自动实现2组变量间非线性映射关系的数据处理系统，其本质是优化计算中的梯度下降法，利用误本文档来自技高网...

【技术保护点】
一种对数值预报格点温度预报数据精细化处理的方法，其特征在于,包括如下步骤：1)、进行系统初始化；之后，进入步骤2)；2)、获取实验数据，所述实验数据包括：1、地域范围内的EC细网格2米温度数值预报数据T；2、地域范围内各观测站的逐小时实况观测气温数据t；3、地域范围内各观测站的逐日最高气温数据tmax和最低气温数据tmin；将以上所述实验数据放入指定的系统数据存储区域；之后，进入步骤3)；3)、观测站点的坐标经纬度值设为(I,J),对应EC细网格2米温度数值预报格点数据，该观测站点(I,J)的周围四个格点的经纬度值分别设为(I‑1、J‑1)、(I+1、J‑1)、(I+1、J+1)、(I‑1、J...

【技术特征摘要】
1.一种对数值预报格点温度预报数据精细化处理的方法，其特征在于,包括如下步骤：1)、进行系统初始化；之后，进入步骤2)；2)、获取实验数据，所述实验数据包括：1、地域范围内的EC细网格2米温度数值预报数据T；2、地域范围内各观测站的逐小时实况观测气温数据t；3、地域范围内各观测站的逐日最高气温数据tmax和最低气温数据tmin；将以上所述实验数据放入指定的系统数据存储区域；之后，进入步骤3)；3)、观测站点的坐标经纬度值设为(I,J),对应EC细网格2米温度数值预报格点数据，该观测站点(I,J)的周围四个格点的经纬度值分别设为(I-1、J-1)、(I+1、J-1)、(I+1、J+1)、(I-1、J+1)，所述观测站点逐小时实况气温数据的集合为t1(I,J)，其周围四个格点位置的EC细网格2米温度数值预报数值的集合分别是T1(I-1、J-1)、T1(I+1、J-1)、T1(I+1、J+1)、T1(I-1、J+1)，读取上述数据，对数据进行误差分析，并进行数据样本筛选，具体步骤如下：31)、使用EC细网格2米温度数值预报数据T,对其预报时效内的每个预报数值集合按时间先后顺序，对当前观测站点周围四个格点位置的EC细网格2米温度数值预报数值的集合T1(I-1、J-1)、T1(I+1、J-1)、T1(I+1、J+1)、T1(I-1、J+1)使用双线性二次插值法进行插值计算，从而得到和该观测站对应位置的每个对应时次的预报值集合T1(I,J),具体采用先纬向、后经向插值：先在纬向I-1和I+1上进行线性一元一次插值，公式如下：再在径向J上进行线性一元一次插值，公式如下：式中：数据T1(I-1、J-1)、T1(I-1、J+1)、T1(I+1、J-1)、T1(I+1、J+1)分别表示当前观测站点(I,J)的周围最近相邻四个格点位置的EC细网格2米温度数值预报数值；T1(I-1、J)、T1(I+1、J)分别是纬度I-1、纬度I+1上的一次线性插值结果；T1(I、J)是进行上述插值运算后所得出的该观测站位置温度的预报值,之后进入步骤32)；32)、利用步骤31)中计算得到的数据T1(I、J)，和其对应的实况数值t1(I,J)，计算两者误差ΔT1(I、J)＝t1(I、J)-T1(I、J)；之后，进入步骤33)；33)、对所述观测站点所有预报时次的误差ΔT1(I、J)值进行筛选，只选取误差绝对值小于等于4的样本，对于|ΔT1(I、J)|大于4的按4取值，使-4≤|ΔT1(I、J)|≤4；之后，进入步骤4)；4)、利用步骤3)筛选后得到的误差ΔT1(I、J)，分别计算24节气每个节气的误差ΔT1(I、J)的算数平均值和连续三天的同一预报时次的误差ΔT1(I、J)的滑动平均值，并对计算所得数值使用反正切函数进行优化处理，具体计算方法为：同时进入步骤41)、42)：41)、计算24节气每个节气的误差ΔT1(I、J)的算数平均值，具体方法如下：其中n为同一个节气内的同一预报时次样本总数；使用反正切函数对进行优化处理：ST代表节气；42)、计算连续三天的同一预报时次的ΔT(I、J)i滑动平均值，i是变量，表示一个具体日期的某一个预报时次，具体方法如下：该式表示使用反正切函数对进行优化处理，式中MA代表滑动平均；5)、使用步骤3)得到的与所述观测站对应位置的每个对应时次的预报值集合T1(I,J)和步骤4)中得到的使用反正切函数优化后的24节气每个节气的误差ΔT1(I、J)的算数平均值使用反正切函数优化后的连续三天同一预报时次的误差ΔT1(I、J)的滑动平均值建立方程：由此得到：其中数据T1(I、J)为观测站点(I、J)的预报值，数据t1(I、J)为对应时间的该观测站点的气温实况值，根据步骤41)和步骤42)计算所得的数据和可以求得观测站点(I、J)的权重系数x1值，之后进入步骤6)；6)、对于地域范围内其他观测站点按设定顺序重复步骤3)、步骤4)、步骤5)，即可得到各观测站点的权重系数、滑动平均值、节气误差平均值的集合……；之后进入步骤7)；7)、根据步骤6)，计算得到各个观测站点节气的误差平均值滑动平均值和权重系数x值三个参数；各个观测站点均代表了各个县域内的气象条件，因此设定各个观测站所在县域内所有数值预报数据的格点均参照该观测站点的节气的误差平均值滑动平均值和权重系数x值三个参数；逐个读取区域内所有EC细网格格点位置最新时次的2米温度数值预报数据的值TNEW，使用该格点所在县域观测站点的当天所在节气的误差平均值滑动平均值和权重系数x值三个参数，再进行计算：TR为格点数值的修订值，将结果存入系统指定的存储区域，即完成对格点资料的订正；之后进入步骤8)；8)、根据步骤7)得到的订正后的...

【专利技术属性】
技术研发人员：郭铭博，高鸿飞，许方璐，杨林菲，
申请(专利权)人：洛阳市气象局，
类型：发明
国别省市：河南,41