【技术实现步骤摘要】
一种基于模式与观测数据融合的集成演变SVD转换方法
本专利技术涉及气候延伸期预测
，具体是一种基于模式与观测数据融合的集成演变SVD转换方法，可具体用于区域性夏季强降水、高温热浪以及冬季低温冷害等重要灾害性天气或气候过程的延伸期预测。
技术介绍
我国位于东亚季风区，受众多因子影响，气候复杂多变，是气候灾害的高发区；每年的气候灾害可以造成数以千亿计的经济损失，严重影响人民的生命财产安全；因此，国家农业、水利和防灾减灾等众多部门以及广大人民群众均迫切需要准确的短期气候预测信息，以科学地服务于国民经济建设的健康发展，减小气候灾害所造成的人员伤亡和经济损失。气候预测是指根据过去气候的演变规律，推断未来某一时期内气候发展的可能趋势；当今常规天气预报主要着眼于10天以内，短期气候预测主要为月时间尺度以上的预测，介于两者之间的10-30天的延伸期预测就成了“预报缝隙”；然而，诸如强降水、高温热浪、低温冷害等强过程的延伸期预测，能为政府部门防灾部署和应急预案预留准备时间，是社会公众和政府部门迫切需要的气象服务重点之一；就延伸期...
【技术保护点】
1.一种基于模式与观测数据融合的集成演变SVD转换方法，其方法包括以下部分：/n步骤1：选定预报因子变量、预报对象变量统计考察；/n步骤2：对观测中的预报因子变量和预报对象变量分别进行预处理，滤除快变噪音干扰；/n步骤3：根据两者超前-滞后的相关性关系选择预报因子变量的空间范围；对预报因子变量和预报对象变量进行重构，提取可预报的信息；/n步骤4：利用SVD分解预处理和去噪重构后的预报因子和预报对象，得到预报因子和预报对象的演变耦合模态，建立基于模式与观测数据融合的集成演变SVD转换方法模型；/n步骤5：将观测与模式预报数据相融合的预报因子展开系数与SVD模态进行时空转换，重...
【技术特征摘要】
1.一种基于模式与观测数据融合的集成演变SVD转换方法，其方法包括以下部分：
步骤1：选定预报因子变量、预报对象变量统计考察；
步骤2：对观测中的预报因子变量和预报对象变量分别进行预处理，滤除快变噪音干扰；
步骤3：根据两者超前-滞后的相关性关系选择预报因子变量的空间范围；对预报因子变量和预报对象变量进行重构，提取可预报的信息；
步骤4：利用SVD分解预处理和去噪重构后的预报因子和预报对象，得到预报因子和预报对象的演变耦合模态，建立基于模式与观测数据融合的集成演变SVD转换方法模型；
步骤5：将观测与模式预报数据相融合的预报因子展开系数与SVD模态进行时空转换，重构预报变量，并进行量级调制，利用多因子结果集成得到预报对象的最终实时预测结果；
步骤6：根据预报对象的实时预测结果，结合过程识别技术，得到重要灾害性天气或气候过程的延伸期预测。
2.根据权利要求1的一种基于模式与观测数据融合的集成演变SVD转换方法，其方法在于，步骤1将再分析资料中对流层高、中、低层的温度、气压、风速、湿度等大气环流动力和热力气象要素作为延伸期过程预测的因子变量，将建模区域内的站点气温、降水作为预报对象变量。
3.根据权利要求1的一种基于模式与观测数据融合的集成演变SVD转换方法，其方法在于，步骤2首先对预报因子和预报变量去除气候态，提取异常分量；其次进行5天滑动平均处理，滤除小尺度干扰和快变噪音。
4.根据权利要求1的一种基于模式与观测数据融合的集成演变SVD转换方法，其方法在于，步骤3将建模区域平均的气温、降水分别与同期及前期预报因子变量求线性相关，根据相关系数的显著性确定预报因子变量的空间范围。
5.根据权利要求1的一种基于模式与观测数据融合的集成演变SVD转换方法，其方法在于，步骤3利用主成分EOF分析对预报因子变量和预报对象变量进行时空滤波处理，选取累计方差贡献达到85%的模态的预报因子变量和预报对象变量进行重构。
6.根据权利要求1的一种基于模式与观测数据融合的集成演变SVD转换方法，其方法在于，步骤4模型的预报因子为预报起始日前后30天的环流因子序列，预报对象为预报起始日未来30天的气温、降水序列；选取预报起始日之前连续m天和预报初始日之后连续n天（m+n=30）的预报因子构建SVD左场斜方差矩阵，预报初始日之后连续30天的预报对象构建SVD右场斜方差矩阵，将左场斜方差矩阵与右场斜方差矩阵进行SVD分解，并根据分解得到的N组预报因...
【专利技术属性】
技术研发人员：任宏利，周放，吴捷，王延，赵崇博，
申请(专利权)人：中国气象科学研究院，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。