一种基于EEMD-CES的地面气温观测资料质量控制方法技术

本发明专利技术提供了一种基于EEMD‑CES的地面气温观测资料质量控制方法，并包括如下步骤：一、选取目标站地面气温观测资料一段时间序列，经过基本的质量控制后，随机添加高斯白噪声；二、利用经验模态分解方法进行分解，得到有限多个特征单一的本征模分量和一个残余分量；三、基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，挑选出能量密度高与相关性强的本征模分量；四、将挑选出的本征模分量与剩余分量叠加重构为新的气温观测序列，并将其作为三次指数平滑法的输入，采用重近轻远策略对各观测值赋予相应的权重，实现气温观测资料的质量控制；五、利用平均绝对误差、均方根误差和纳什系数来评价模型性能。

A quality control method for ground temperature observation data based on EEMD-CES

The invention provides a quality control method of ground temperature observation data based on EEMD_CES, and includes the following steps: firstly, selecting a time series of ground temperature observation data of the target station, after the basic quality control, adding Gaussian white noise randomly; secondly, using empirical mode decomposition method to decompose and obtain. The energy density of each eigenmode component and its correlation with the original temperature series are calculated based on the energy density and correlation coefficient criterion, and the eigenmode components with high energy density and strong correlation are selected. Fourthly, the selected eigenmode components and residual components are selected. The superposition structure of residual components is a new air temperature observation sequence, and it is used as the input of cubic exponential smoothing method. The weight of each observation value is given by the strategy of weighting the near-near distance to realize the quality control of air temperature observation data. Fifthly, the performance of the model is evaluated by mean absolute error, root mean square error and Nash coefficient.

【技术实现步骤摘要】
一种基于EEMD-CES的地面气温观测资料质量控制方法
本专利技术属于气温观测
，具体地涉及一种基于EEMD-CES的地面气温观测资料质量控制方法。
技术介绍
在全球信息化背景下，数值天气预报已成为影响经济发展和水平提升的一种必要天气预报手段；而社会对数值天气预报的要求也随着人们生活水平的提高而越来越高，相应的，对地面观测资料的质量要求随之提升。地面气象观测资料的质量控制可以分成两种情况，一种是单站质量控制，即对单个目标站进行质量控制，可以有效解决部分地区台站密度低或新建台站等无法获取邻站内部有效参考资料的台站的质量控制。常见的单站质量控制方法有格式检查、极值检验、时间一致性检验。另一种为多站质量控制，常见的多站质量控制方法有空间回归检验法(SpatialRegressionTest)、反距离加权法(InverseDistanceWeighting)。
技术实现思路
本专利技术的目的在于针对现有技术的缺陷或问题，提供一种基于EEMD-CES的地面气温观测资料质量控制方法。本专利技术的技术方案如下：一种基于EEMD-CES的地面气温观测资料质量控制方法包括如下步骤：一、选取目标站地面气温观测资料一段时间序列，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，其中，T为时间；二、利用经验模态分解方法对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)；三、基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，挑选出能量密度高与相关性强的本征模分量；四、将挑选出的本征模分量与剩余分量叠加重构为新的气温观测序列X2(t)，并将其作为三次指数平滑法的输入，采用重近轻远策略对各观测值赋予相应的权重，实现气温观测资料的质量控制；五、在上述基础上，利用平均绝对误差均方根误差和纳什系数来评价模型性能，其中，Yobs为随机误差的观测值，Yest为EEMD-CES方法得到的估计值；六、对比植入随机误差的观测值Yobs与EEMD-CES方法得到的估计值Yest，若其差值满足|Yest-Yobs|≤f·σ则认为数据正确；若不满足，则将其标记为疑误数据，其中，σ为被检站气温序列标准误差；f为质量控制参数。优选地，在步骤一中，基本质量控制方法包括格式检查、极值检查、范围检查、内部一致性检查、时间一致性检查。优选地，在步骤三中，每个本征模分量的能量密度及其与原始气温序列的相关性分别按照公式和进行计算；其中，ci为第i个本征模分量，第i个本征模分量的均值，y为原始气温序列，为原始气温序列的均值，σi为第i个本征模分量的标准差，σ为原始气温序列的标准差，ρi为第i个本征模分量与原始气温序列的相关性。优选地，在步骤四中，采用重近轻远策略为：对距离未来预测值较近的观测值赋予较大的权重，对距离较远的观测值赋予较小的权重。本专利技术提供的技术方案具有如下有益效果：从方法原理上看，CES仅仅根据未来预测值与过去观测值距离的远近程度对其赋予相应的权重进行回归预测，未对气温时间序列进行预处理，导致其质量控制精度不高；EMD-CES虽考虑到气温时间序列中存在高斯白噪声，但其分解存在模式混叠问题，噪声序列依然可能存留在目标序列中，筛选不净，因此质量控制精度欠佳；而EEMD-CES方法则有效的解决了模式混叠问题，通过添加白噪声序列再分解，改变了原始气温序列的极值特性，抑制了混叠现象的产生，而加入的白噪声则会通过本征模分量整体平均而相互抵消，因此具有较高的质量控制效果。本专利技术提出了一种新的单站质量控制方法，模型操作简便，泛化能力强，能够有效提高数据质量，达到质量控制效果，为短期数值天气预报提供了更准确的观测资料。附图说明图1为本专利技术方法流程图；图2为无锡站气温时间序列EEMD分解图；图3为本专利技术方法与CES和EMD-CES方法的MAE、RMSE、NSC效果对比图；图4为最佳f值下本专利技术方法与传统单站质量控制方法、CES及EMD-CES方法四种方法的检错效果对比图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。除非上下文另有特定清楚的描述，本专利技术中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本专利技术并不对此进行限定。本专利技术中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。如图1所示，所述基于EEMD-CES的地面气温观测资料质量控制方法中，首先采集被检站一段时间序列内的气温观测资料，并在其中添加高斯白噪声，得到新的时间序列；再利用EMD方法对新序列进行分解，得到有限多个特征单一的本征模分量和残余分量；然后基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，以此挑选出合适的本征模分量；将挑选出的本征模分量与剩余分量叠加重构为新的气温序列，并将其作为三次指数平滑法的输入，输出得到气温时间序列的估计值。最后对比原始值与估计值，进行条件修正，完成质量控制。具体地，所述基于EEMD-CES的地面气温观测资料质量控制方法，包括以下步骤：一、选取目标站地面气温观测资料一段时间序列，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，其中，T为时间。以下将对南京站(编号为58238)、无锡站(编号为58354)、连云港(编号为58044)、徐州站(编号为58027)2008年6月份地面定时气温观测资料进行实施例分析。采集目标站时间T内的地面气温观测资料，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，T＝720。而且，在步骤一中，基本质量控制方法包括格式检查、极值检查、范围检查、内部一致性检查、时间一致性检查。二、利用经验模态分解方法对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)，其中，i和n均为正整数。具体地，利用经验模态分解方法(EMD)对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)(i为第几个本征模分量，n为分量个数)，以无锡站为例，分解结果如图2所示。三、基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，挑选出能量密度高与相关性强的本征模分量。具体地，在步骤三中，每个本征模分量的能量密度及其与原始气温序列的相关性分别按照公式和进行计算；其中，ci为第i个本征模分量，第i个本征模分量的均值，y为原始气温序列，为原始气温序列的均值，σi为第i个本征模分量的标准差，σ为原始气温序列的标准差，ρi本文档来自技高网...

【技术保护点】
1.一种基于EEMD‑CES的地面气温观测资料质量控制方法，其特征在于：包括如下步骤：一、选取目标站地面气温观测资料一段时间序列，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，其中，T为时间；二、利用经验模态分解方法对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)，其中，i和n均为正整数；三、基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，挑选出能量密度高与相关性强的本征模分量；四、将挑选出的本征模分量与剩余分量叠加重构为新的气温观测序列X2(t)，并将其作为三次指数平滑法的输入，采用重近轻远策略对各观测值赋予相应的权重，实现气温观测资料的质量控制；五、在上述基础上，利用平均绝对误差

【技术特征摘要】
1.一种基于EEMD-CES的地面气温观测资料质量控制方法，其特征在于：包括如下步骤：一、选取目标站地面气温观测资料一段时间序列，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，其中，T为时间；二、利用经验模态分解方法对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)，其中，i和n均为正整数；三、基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，挑选出能量密度高与相关性强的本征模分量；四、将挑选出的本征模分量与剩余分量叠加重构为新的气温观测序列X2(t)，并将其作为三次指数平滑法的输入，采用重近轻远策略对各观测值赋予相应的权重，实现气温观测资料的质量控制；五、在上述基础上，利用平均绝对误差均方根误差和纳什系数来评价模型性能，其中，Yobs为随机误差的观测值，Yest为EEMD-CES方法得到的估计值；六、对比植入随机误差的观测值Yobs与EEMD-...

【专利技术属性】
技术研发人员：叶小岭，陈洋，杨帅，阚亚进，成金杰，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32