一种区域气候模式动力降尺度要素误差订正方法技术

本发明专利技术公开了一种区域气候模式动力降尺度要素误差订正方法，用Gamma分布和GEV分布构建了混合分布函数，设定多参数因子，解决了现有的QM分位数映射法无法兼顾区域气候模式动力降尺度要素中的普通类型日降水以及极端降水事件的订正能力问题，且由遗传算法在95％置信空间内进行参数寻优，可得到相对误差指标MRE、相关系数CORR和Nash效率系数NSE均优良的误差订正指标。

An error correction method for dynamic downscaling factors of regional climate model

The invention discloses an error correction method for dynamic downscaling elements of regional climate model, constructs a mixed distribution function with gamma distribution and GeV distribution, sets multi parameter factors, solves the problem that the existing QM quantile mapping method can not take into account the correction ability of ordinary types of daily precipitation and extreme precipitation events in dynamic downscaling elements of regional climate model, and uses genetic algorithm to The relative error index MRE, correlation coefficient corr and Nash efficiency coefficient NSE are all excellent error correction indexes.

【技术实现步骤摘要】
一种区域气候模式动力降尺度要素误差订正方法
本专利技术涉及水文气象领域，具体涉及一种区域气候模式动力降尺度要素误差订正方法。
技术介绍
通常情况下，区域气候模式中气候要素(例如降水和气温)的动力降尺度运算结果与观测值相比普遍存在误差，这破坏了其在水文模型中的直接应用。因此，区域气候模式的气候预测结果在应用于水文过程模拟之前通常需要进行误差订正。近年来，常用的区域气候模式动力降尺度要素误差订正法由Delta法、多元线性回归法、相似法、局部强度缩放法、QM分位数映射法等，虽然大多数误差订正方法对于均值的校正具有良好的效果，但对于均方根误差等其他统计特性的订正能力存在明显差异。2011年，学者Themeβl通过试验测得以上方法中QM分位数映射法的整体表现最佳，然而现有的QM分位数映射法通常基于单一随机过程分布函数，具有不容忽视的局限性。如基于Weibull分布的QM分位数映射法对极端降水事件订正效果较好，却不适用于普通类型的日降水订正；而基于Exponential分布的QM分位数映射法对普通类型降水订正具有良好的性能，但却对于未来极端降水事件的订正效果欠佳。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的一种区域气候模式动力降尺度要素误差订正方法解决了现有的QM分位数映射法无法兼顾区域气候模式动力降尺度要素中的普通类型日降水以及极端降水事件的订正能力问题。为了达到上述专利技术目的，本专利技术采用的技术方案为：一种区域气候模式动力降尺度要素误差订正方法，包括以下步骤：S1、以气候动力降尺度要素实际观测数据序列y为基准，对区域气候模式模拟得到的气候要素的动力降尺度结果序列xRCM进行阈值订正，得到去无效降水事件模拟序列x；S2、基于随机过程Gamma分布和GEV分布，构建混合分布的累计概率分布函数CDF(x；α1，β1，α2，β2，τ，σ)，其中σ为分布组分权重参数，α1为第一形状参数，β1为第一尺度参数，α2为第二形状参数，β2为第二尺度参数，τ为时延参数；S3、采用最大似然估计法MLE寻找95％置信区间对应的观测序列参数τobs、σobs和去无效降水事件模拟序列参数τmod、σmod的取值范围，使得S4、根据参数τobs、σobs、τmod、σmod构建传递函数TF(x)，并由去无效降水事件模拟序列x得到误差订正拟合序列S5、用遗传算法GA在τobs、σobs、τmod、σmod参数取值范围内进行参数迭代，求解得到使得误差订正拟合序列和气候动力降尺度要素实际观测数据序列y的相对误差指标MRE最小、相关系数CORR和Nash效率系数NSE趋近于1的各参数值，以此优化误差订正拟合序列进一步地：步骤S1包括以下步骤：S11、测算气候动力降尺度要素实际观测数据序列y中数值为零值的变量数目以及模拟序列xRCM中数值为零值的变量数目S12、通过概率关系，由实际观测数据零值数目运算得到实际观测数据零值的概率并由模拟序列零值数目运算得到模拟序列零值概率S13、设定合适的阈值xth，将序列xRCM中数值小于阈值xth的变量均赋值为0，使得得到的新序列即为去无效降水事件模拟序列x。进一步地：步骤S12中概率关系遵循如下等式：其中n0表示序列中零值的数目，N为序列长度。进一步地：步骤S2中构建的混合分布的累计概率分布函数CDF为：进一步地：步骤S4中传递函数TF(x)为：进一步地：步骤S4中误差订正拟合序列和去无效降水事件模拟序列x的关系为：进一步地：步骤S5中相对误差系数指标MRE为：其中，和分别为误差订正拟合序列和气候动力降尺度要素实际观测数据序列y的平均值。进一步地：步骤S5中相关系数CORR为：其中，和yi分别为误差订正拟合序列和气候动力降尺度要素实际观测数据序列y的元素。进一步地：步骤S5中Nash效率系数NSE为：本专利技术的有益效果为：用Gamma分布和GEV分布构建了混合分布函数，设定多参数因子，使得本专利技术既适用于极端降水事件订正也适用于普通类型的日降水订正，且由遗传算法在95％置信空间内进行参数寻优，可得到相对误差指标MRE、相关系数CORR和Nash效率系数NSE均优良的误差订正指标。附图说明图1为一种区域气候模式动力降尺度要素误差订正方法流程示意图。具体实施方式下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。如图1所示，一种区域气候模式动力降尺度要素误差订正方法，包括以下步骤：S1、以气候动力降尺度要素实际观测数据序列y为基准，对区域气候模式模拟得到的气候要素的动力降尺度结果序列xRCM进行阈值订正，得到去无效降水事件模拟序列x；其中，所述步骤S1包括以下步骤：S11、测算气候动力降尺度要素实际观测数据序列y中数值为零值的变量数目以及模拟序列xRCM中数值为零值的变量数目S12、通过概率关系，由实际观测数据零值数目运算得到实际观测数据零值的概率并由模拟序列零值数目运算得到模拟序列零值概率所述步骤S12中概率关系遵循如下等式：其中n0表示序列中零值的数目，N为序列长度。S13、设定合适的阈值xth，将序列xRCM中数值小于阈值xth的变量均赋值为0，使得此时得到的新序列即为去无效降水事件模拟序列x。S2、基于随机过程Gamma分布和GEV分布，构建混合分布的累计概率分布函数CDF(x；α1，β1，α2，β2，τ，σ)，其中σ为分布组分权重参数，α1为第一形状参数，β1为第一尺度参数，α2为第二形状参数，β2为第二尺度参数，τ为时延参数；所述步骤S2中构建的混合分布的累计概率分布函数CDF为：S3、用最大似然估计法MLE寻找95％置信区间对应的观测序列参数τobs、σobs和去无效降水事件模拟序列参数τmod、σmod的取值范围，使得S4、根据参数τobs、σobs、构建传递函数TF(x)，并由去无效降水事件模拟序列x得到误差订正拟合序列步骤S4中传递函数TF(x)为：步骤S4误差订正拟合序列和去无效降水事件模拟序列x的关系为：S5、用遗传算法GA在τobs、σobs、τmod、σmod参数取值范围内进行参数迭代，求解出使得误差订正拟合序列和气候动力降尺度要素实际观测数据序列y的相对误差指标MRE最小、相关系数CORR和Nash效率系数NSE趋近于1的各参数值，以此优化误差订正拟合序列所述步骤S5中相对误差系数指标MRE为：其中，和分别为误差订正拟合序列和气候动力降尺度要素实际本文档来自技高网...

【技术保护点】
1.一种区域气候模式动力降尺度要素误差订正方法，其特征在于，包括以下步骤：/nS1、以气候动力降尺度要素实际观测数据序列y为基准，对区域气候模式模拟得到的气候要素的动力降尺度结果序列x

【技术特征摘要】
1.一种区域气候模式动力降尺度要素误差订正方法，其特征在于，包括以下步骤：
S1、以气候动力降尺度要素实际观测数据序列y为基准，对区域气候模式模拟得到的气候要素的动力降尺度结果序列xRCM进行阈值订正，得到去无效降水事件模拟序列x；
S2、基于随机过程Gamma分布和GEV分布，构建混合分布的累计概率分布函数CDF(x；α1，β1，α2，β2，τ，σ)，其中σ为分布组分权重参数，α1为第一形状参数，β1为第一尺度参数，α2为第二形状参数，β2为第二尺度参数，τ为时延参数；
S3、采用最大似然估计法MLE寻找95％置信区间对应的观测序列参数τobs、σobs和去无效降水事件模拟序列参数τmod、σmod的取值范围，使得
S4、根据参数τobs、σobs、τmod、σmod构建传递函数TF(x)，并由去无效降水事件模拟序列x得到误差订正拟合序列
S5、用遗传算法GA在τobs、σobs、τmod、σmod参数取值范围内进行参数迭代，求解得到使得误差订正拟合序列和气候动力降尺度要素实际观测数据序列y的相对误差指标MRE最小、相关系数CORR和Nash效率系数NSE趋近于1的各参数值，以此优化误差订正拟合序列


2.根据权利要求1所述的区域气候模式动力降尺度要素误差订正方法，其特征在于，所述步骤S1包括以下步骤：
S11、测算气候动力降尺度要素实际观测数据序列y中数值为零值的变量数目以及模拟序列xRCM中数值为零值的变量数目
S12、通过概率关系，由实际观测数据零值数目运算得到实际观测数据零值的概率并由模拟序列零值数目运算得到模拟序列零值概率
S13、设定合适的阈值xth，将序列xR...

【专利技术属性】
技术研发人员：肖伟华，黄亚，侯保灯，周毓彦，杨明祥，鲁帆，王贺佳，崔豪，高斌，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京;11