基于空间多重相关解集算法的降尺度校正模型制造技术

本发明专利技术公开了一种基于空间多重相关解集算法的降尺度校正模型，包括以下步骤：步骤(1)数据获取，包括气候模式网格数据系列Xt＝(x1,t,x2,t,…,xm,t)，其中m为网格数目，t表示时刻，以及各站点实测资料系列Yt＝(y1,t,y2,t,…,yn,t)，其中n为站点个数；步骤(2)建立基于空间多重相关解集算法的降尺度校正模型：Y＝B+AX+ε(ε～N(0,σ

A reduced scale correction model based on spatial multiple correlation solution set algorithm

The invention discloses a downscaling correction model based on spatial multiple correlation solution set algorithm, including the following steps: (1) data acquisition, including climate pattern, grid data series Xt = (x1, t, X2, t,... XM, t), where m is the number of grid, t presentation time, and the measured data series of each site Yt = (Y1, t, Y2, t,... YN, t), in which n is the number of sites; step (2) set up a scaling correction model based on the spatial multicorrelation solution set algorithm: Y = B+AX+ e (0, sigma)

【技术实现步骤摘要】
基于空间多重相关解集算法的降尺度校正模型
本专利技术涉及一种基于空间多重相关解集算法的降尺度校正模型，属于统计降尺度

技术介绍
根据全球气候模式的具体信息可知，模式的空间分辨率较低，且大多数在1.5°×1.5°以上。如果直接将模式资料用于气候变化对水文水资源的影响研究中，肯定会带来很大误差，结果具有很高不确定性，为研究区域未来气候变化，应对气候模式进行降尺度处理。常用的降尺度方法有动力降尺度、统计降尺度及插值降尺度。统计降尺度方法简单灵活，易于实施，在实际中得到了广泛的运用。目前，常用的统计降尺度方法(如SDSM、ASD等)是通过构建预报变量和预报因子间的统计关系，推求区域内各个站点预报变量的降尺度结果。然而(某些)预报因子与预报变量之间可能不具有明确的物理意义上相关；而且当预报因子和预报变量之间的相关性较弱时，降尺度结果的误差会较大，存在较高的不确定性；这种通过引入多种预报因子的降尺度方法可能会“污染”预报变量的降尺度结果。此外，常用的统计降尺度方法一般只能实现单站点的降尺度，并不能保证区域内各个站点降尺度结果的空间相关性。
技术实现思路
本专利技术所要解决的技术问题是，提供本文档来自技高网...

【技术保护点】
基于空间多重相关解集算法的降尺度校正模型，其特征是，包括以下步骤：步骤(1)数据获取，包括气候模式网格数据系列Xt＝(x1,t,x2,t,…,xm,t)，其中m为网格数目，t表示时刻，以及各站点实测资料系列Yt＝(y1,t,y2,t,…,yn,t)，其中n为站点个数；步骤(2)建立基于空间多重相关解集算法的降尺度校正模型，所述降尺度校正模型为下式(1)：Y＝B+AX+ε(ε～N(0,σ

【技术特征摘要】
1.基于空间多重相关解集算法的降尺度校正模型，其特征是，包括以下步骤：步骤(1)数据获取，包括气候模式网格数据系列Xt＝(x1,t,x2,t,…,xm,t)，其中m为网格数目，t表示时刻，以及各站点实测资料系列Yt＝(y1,t,y2,t,…,yn,t)，其中n为站点个数；步骤(2)建立基于空间多重相关解集算法的降尺度校正模型，所述降尺度校正模型为下式(1)：Y＝B+AX+ε(ε～N(0,σ2))(1)其中A和B用于反映网格数据与站点实测资料的相关结构关系，ε为标准化独立随机矢量，将式(1)用矩阵形式展开为：步骤(3)采用粒子群优化算法求解式(1)中的A和B系数矩阵。2.根据权利要求1所述的基于空间多重相关解集算法的降尺度校正模型，其特征是，步骤(2)中根据相关系数越大越优准则，对每个站点筛选出相关性高的网格点，设站点yi对应的相关性最高的p个网格点集合是C＝(xj1,xj2,...,xjp)，对系数矩阵A设置约束条件如下式(3)所示：其中i表示第i个站点，j表示第j个网格点。3.根据权利要求1所述的基于空间多重相关解集算法的降尺度校正模型，其特征是，步骤(3)中所述粒子群优化算法将一组参数A和B看作一个粒子，种群中的每个粒子代表模型优化问题中的一个候选解，则第i个粒子Pi可表示为Pi＝(Ai,Bi),i＝1,2,…,m。4.根据权利要求3所述的基于空间多重相关解集算法的降尺度校正模型，其特征是，具体包括以下步骤：初始化粒子群，确定种群数目，每个粒子的速度以及位置，设在d维的目标搜索空间中，有m个粒子构成的一个粒子群体，Xk表示第k次迭代时粒子群中每个粒子...

【专利技术属性】
技术研发人员：梁忠民，肖章玲，胡义明，李彬权，王军，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32