一种用于集合数值天气预报成员的层次聚类方法技术

本发明专利技术公开了一种一种用于集合数值天气预报成员的层次聚类方法，首先根据集合数值天气预报成员的数据特点建立最小距离连通图，然后利用最小距离连通图的最大差分值逐层分割数据成簇并剔除噪点，最后找出代表性的集合预报成员，完成聚类。与Ward聚类法相比，本发明专利技术时间复杂度更小，且本发明专利技术具有Ward不具备的去噪点功能。与管子法和距平相关系数分簇法相比，本发明专利技术具有生成多层次聚类结果的功能，可以在各层级上择优选取最合适的簇数，且不需要设置核心参数。

A Hierarchical Clustering Method for Ensemble NWP Members

【技术实现步骤摘要】
一种用于集合数值天气预报成员的层次聚类方法
本专利技术涉及信息
下的数据聚类分析方法，尤其涉及一种用于集合数值天气预报成员的层次聚类方法。
技术介绍
集合数值天气预报不仅给出单一的最佳可能预报，还定量地估计天气预报的不确定性。确定性预报只进行一次数值积分，而集合预报系统用不同的初始场进行多次数值积分，因此集合预报成员得到的多个数值预报结果使得我们可以去估计天气预报的不确定性，同时还可以使我们对确定性预报更有信心。由于天气预报的不确定性会随着天气形势不同而逐日变化，集合预报提供了对这种逐日变化的不确定性的估计，所以集合预报系统可以用来取样调查天气预报结果的概率分布函数，而且通常用来产生概率预报——用来评估某一结果发生的可能性。下表便是国家气象信息中心下发的ECMWF、NCEP、T639三大全球集合预报模式：集合预报系统的一些指标可以用来优化确定性预报，当发布确定性预报时，最好的方式就是要充分地应用集合离散度显示的不确定性来明确确定性预报的确定程度到底有多少。集合离散度可以直接使用集合预报产品来进行分析，而其中聚类分析便是一种常用的手段。聚类分析方法是把集合预报中相似的成员合并成一本文档来自技高网...

【技术保护点】
1.一种用于集合数值天气预报成员的层次聚类方法，其特征在于，包含以下步骤：步骤1)，根据集合数值天气预报成员的数据特点建立最小距离连通图；所述最小距离连通图无向无环，包含n个顶点的唯一标识和n‑1条连接顶点的边，且n‑1条边为n个顶点按照最临近距离相互连接而成，如图1所示；步骤1.1)，令

【技术特征摘要】
1.一种用于集合数值天气预报成员的层次聚类方法，其特征在于，包含以下步骤：步骤1)，根据集合数值天气预报成员的数据特点建立最小距离连通图；所述最小距离连通图无向无环，包含n个顶点的唯一标识和n-1条连接顶点的边，且n-1条边为n个顶点按照最临近距离相互连接而成，如图1所示；步骤1.1)，令xi＝{xi1,xi2,…xim}为第i个顶点的数据，1≤i≤n，n为顶点总数即集合数值天气预报成员的总数，m为集合数值天气预报成员的数据维度，idi为第i个集合数值天气预报成员的数据的唯一标识，顶点idi即第i个顶点；并令最临近边矩阵E11初始为空矩阵；随机选取X中第i个顶点即顶点idi，分别计算顶点idi到其余各顶点的欧氏距离，生成距离矩阵式中，dij为顶点idi到顶点idj的欧氏距离，1≤j≤n且j≠i；并令集合EX＝{idi}；步骤1.2)，从距离矩阵XD中查找距离的最小值di_min，并将距离矩阵XD中其所在行[idi,idj,di_min]加入到最临近边矩阵E11后从距离矩阵XD删除；步骤1.3)，将顶点idj加入到集合EX中，计算idj到集合EX中顶点以外各顶点的距离，生成距离矩阵p为集合EX中顶点以外各顶点的数量，djp为顶点idj到顶点idp的欧氏距离；步骤1.4)，将距离矩阵XD和距离矩阵XD2进行合并，形成新的距离矩阵XD；步骤1.5)，重复步骤1.2)至步骤1.4)，直到集合EX中的顶点数量等于n；步骤1.6)，根据集合ID11[id1,…,idn]和最临近边矩阵E11生成最小距离连通图MDG[ID11,E11]；步骤2)，利用最小距离连通图的最大差分值逐层分割数据成簇并剔除噪点：步骤2.1)，以最小距离连通图MDG[ID11,E11]作为第一层最小距离连通图；步骤2.2)，将最小距离连通图MDG[ID11,E11]分割为若干个第二层最小距离连通图；步骤2.2.1)，计算最临近边矩阵E11中除第一行外每一行第三列和上一行第三列的差值，取其中的最大值dd1在最临近边矩阵E11中对应行第三列的值以及对应行下一行第三列的值计算平均值，得到均值ddt1；步骤2.2.2)，根据均值ddt1分割最小距离连通图MDG[ID11,E11]的最邻近边矩阵E11，形成最小距离连通图集合，并将该最小距离连通图集合作为第二层最小距离连通图集合，其中，根据均值分割最小距离连通图的最邻近边矩阵、形成最小距离连通图集合的具体步骤如下；步骤2.2.2.1)，令均值为T，最小距离连通图的最邻近边矩阵为EE，根据均值T分割最邻近边矩阵EE，得到若干个分割后的最邻近边矩阵；步骤2.2.2.1.1)，将最邻近边矩阵EE中第三列的值大于均值T的所有行删除，新建矩阵EA；步骤2.2.2.1.2)，将矩阵EA置为空矩阵，将最邻近边矩阵EE中的第一行放入矩阵EA中的末尾后从最邻近边矩阵EE中删除；步骤2.2.2.1.3)，对于矩阵EA中的每一行，在最邻近边矩阵EE的第一列、第二列中查找是否存在和其第一列或第二列的值相同的值，如果存在，将该值在最邻近边矩阵EE中的所在行放入矩阵EA中的末尾后从最邻近边矩阵EE中删除；步骤2.2.2.1.4)，重复执行步骤2.2.2.1.3)，直至最邻近边矩阵EE的第一列、第二列和矩阵EA中第一列、第二列不存在相同的值；步骤2.2.2.1.5)，...

【专利技术属性】
技术研发人员：樊仲欣，王兴，
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