本申请公开了一种季节气候统计预测方法，用以解决现有气候统计预测方法，存在特征因子和模型优化针对性不强，特征信息和回归算法简单、气候异常的空间分布预测技巧较差等问题。方法包括：获取指定时长内的气象数据；对气象数据进行预处理，得到预报对象数据，并对预报对象数据进行主分量分解，得到至少一个预报量；获取全球格点每月的指定变量数据，对指定变量数据进行时间维的平均和差分预处理，得到多个全球范围特征信息场；采用留一法分别计算各预报量与各全球范围特征信息场之间相关系数，根据相关系数最大值位置，建立预报因子；利用分布式梯度增强算法，对预报因子进行统计建模，得到气候预测模型，对待预测年份的气候进行预测。行预测。行预测。
【技术实现步骤摘要】
一种季节气候统计预测方法、系统、装置以及存储介质
[0001]本申请涉及气象预报预测领域，尤其涉及一种季节气候统计预测方法、系 统、装置以及存储介质。
技术介绍
[0002]目前，我们赖以进行短期气候预测工作的根据有两个方面：一是基于各种 观测数据和气候系统方程组，建立计算机化的气候模式及数据同化系统并用于 预测；二是基于历史的台站观测数据和大气海洋环流数据，基于经验方法建立 预报因子和统计模型并对未来进行预测。
[0003]但是，当前的统计方法和气候模式预测，对气候异常的空间分布预测技巧 通常很差。现有的统计方法在预报因子制作和模型训练方面通常针对历史时期 进行优化，而非对要预测的年份进行针对性的处理，这在年代际变化特征总是 很显著的情况下预测能力受限。另外，相比较机器学习，现有的经验统计方法 在预测信息来源处理和回归方法也过于简单。
[0004]由此可见，如何对传统的经验统计进行改进，提供一种可行的气候统计预 测方案，以提高气候预测能力，尤其对气候异常的空间分布的预测能力，成为 本领域技术人员亟待解决的问题。
技术实现思路
[0005][0006]本申请实施例提供一种季节气候统计预测方法，用以解决现有气候统计预 测方法，存在特征因子和模型优化针对性不强，特征信息和回归算法简单、气 候异常的空间分布预测技巧较差等问题。
[0007]本申请实施例还提供一种季节气候统计预测系统，用以解决现有气候统计 预测方法，存在特征因子和模型优化针对性不强、特征信息和回归算法简单、、 气候异常的空间分布预测技巧较差等问题。
[0008]本申请实施例还提供一种季节气候统计预测装置，用以解决现有气候统计 预测方法，存在特征因子和模型优化针对性不强，特征信息和回归算法简单、 气候异常的空间分布预测技巧较差等问题。
[0009]本申请实施例还提供一种计算机可读存储介质，用以解决现有气候统计预 测方法，存在特征因子和模型优化针对性不强，特征信息和回归算法简单、气 候异常的空间分布预测技巧较差等问题。
[0010]本申请实施例采用下述技术方案：
[0011]一种季节气候统计预测方法，包括：
[0012]根据确定的待预测年份，获取指定时长内的气象数据，其中所述气象数据 包括所述指定时长内每月的月平均降水数据或月平均气温数据；对所述气象数 据进行预处理，得
到预报对象数据，并对所述预报对象数据进行主分量分解， 得到至少一个预报量；获取所述指定时长内、全球格点每月的指定变量数据， 对所述指定变量数据进行时间维的平均和差分预处理，得到至少一个全球范围 特征信息场；采用留一法分别计算所述各预报量与所述各全球范围特征信息场 之间相关系数，根据所述相关系数最大值位置，建立预报因子；利用分布式梯 度增强算法，对所述预报因子进行统计建模，得到气候预测模型，并基于所述 气候预测模型，对所述待预测年份的气候进行预测。
[0013]一种季节气候统计预测系统，包括：气象数据获取单元，用于根据确定的 待预测年份，获取指定时长内的气象数据，其中所述气象数据包括所述指定时 长内每月的月平均降水数据或月平均气温数据；预处理单元，用于对所述气象 数据进行预处理，得到预报对象数据，并对所述预报对象数据进行主分量分解， 得到至少一个预报量；特征信息场确定单元，用于获取所述指定时长内、全球 格点每月的指定变量数据，对所述指定变量数据进行时间维的平均和差分预处 理，得到至少一个全球范围特征信息场；预报因子确定单元，用于采用留一法 分别计算所述各预报量与所述各全球范围特征信息场之间相关系数，根据所述 相关系数最大值位置，建立预报因子；预测单元，用于利用分布式梯度增强算 法，对所述预报因子进行统计建模，得到气候预测模型，并基于所述气候预测 模型，对所述待预测年份的气候进行预测。
[0014]一种季节气候统计预测装置，包括：
[0015]处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令 在被执行时使所述处理器执行以下操作：根据确定的待预测年份，获取指定时 长内的气象数据，其中所述气象数据包括所述指定时长内每月的月平均降水数 据或月平均气温数据；对所述气象数据进行预处理，得到预报对象数据，并对 所述预报对象数据进行主分量分解，得到至少一个预报量；获取所述指定时长 内、全球格点每月的指定变量数据，对所述指定变量数据进行时间维的平均和 差分预处理，得到至少一个全球范围特征信息场；采用留一法分别计算所述各 预报量与所述各全球范围特征信息场之间相关系数，根据所述相关系数最大值 位置，建立预报因子；利用分布式梯度增强算法，对所述预报因子进行统计建 模，得到气候预测模型，并基于所述气候预测模型，对所述待预测年份的气候 进行预测。
[0016]一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程 序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述 电子设备执行以下操作：根据确定的待预测年份，获取指定时长内的气象数据， 其中所述气象数据包括所述指定时长内每月的月平均降水数据或月平均气温 数据；对所述气象数据进行预处理，得到预报对象数据，并对所述预报对象数 据进行主分量分解，得到至少一个预报量；获取所述指定时长内、全球格点每 月的指定变量数据，对所述指定变量数据进行时间维的平均和差分预处理，得 到至少一个全球范围特征信息场；采用留一法分别计算所述各预报量与所述各 全球范围特征信息场之间相关系数，根据所述相关系数最大值位置，建立预报 因子；利用分布式梯度增强算法，对所述预报因子进行统计建模，得到气候预 测模型，并基于所述气候预测模型，对所述待预测年份的气候进行预测。
[0017]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0018]采用本申请实施例提供的季节气候统计预测方法，可以根据确定的待预测 年份，获取待预测年份之前指定时长(比如待预测年份之前30年)内的气象 数据，其中所述气象
数据包括所述指定时长内每月的月平均降水数据以及月平 均气温数据，在对获取到的气象数据进行预处理，将气象数据转化为异常数据， 并将该异常数据作为预报对象数据，并对该预报对象数据进行主分量分解，以 得到较为关注的预报量；接下来，获取待预测年份之前指定时长内全球范围内 格点每个月的变量数据，并通过对该些变量数据的处理，将该些变量数据转化 为变量场数据；通过分别计算所述各预报量与所述各全球范围特征信息场之间 相关系数，根据所述相关系数，确定预报因子；最后，利用分布式梯度增强算 法，对所述预报因子进行统计建模，得到气候预测模型，基于所述气候预测模 型，对所述待预测年份的气候进行预测。采用本申请实施例提供的季节气候统 计预测方法，通过对气象数据的预处理，可以将气象数据转化为异常气象数据， 根据该异常气象数据进行后续动态建模，可以使得该预测模型在对气候异常的 空间分布预测技巧有明显提升；且通过全球范围内格点每个月的变量数据进行 处理，可以将该些变量数据转化为特征信息场数据，实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种季节气候统计预测方法，其特征在于，包括：根据确定的待预测年份，获取指定时长内的气象数据，其中所述气象数据包括所述指定时长内每月的月平均降水数据或月平均气温数据；对所述气象数据进行预处理，得到预报对象数据，并对所述预报对象数据进行主分量分解，得到至少一个预报量；获取所述指定时长内、全球格点每月的指定变量数据，对所述指定变量数据进行时间维的平均和差分预处理，得到至少一个全球范围特征信息场；采用留一法分别计算所述各预报量与所述各全球范围特征信息场之间相关系数，根据所述相关系数最大值位置，建立预报因子；利用分布式梯度增强算法，对所述预报因子进行统计建模，得到气候预测模型，并基于所述气候预测模型，对所述待预测年份的气候进行预测。2.根据权利要求1所述的方法，其特征在于，所述对所述气象数据进行预处理，得到预报对象数据，具体包括：根据所述指定时长内的、连续三个月的气象数据，计算所述指定时长内每个季节的季节气象数据；根据所述季节气象数据，计算所述指定时长内每个季节的季节平均数据；根据所述季节气象数据以及所述季节平均数据，确定异常数据，将所述异常数据作为预报对象数据。3.根据权利要求2所述的方法，其特征在于，所述对所述预报对象数据进行主分量分解，得到至少一个预报量，具体包括：利用经验正交函数分析算法，对所述预报对象数据进行主分量分解，得到主分量以及所述主分量对应的解释方差；选取解释方差大于预设阈值的主分量，作为预报量。4.根据权利要求1所述的方法，其特征在于，所述指定变量数据，具体包括：海表温度数据、海冰数据、海平面气压数据、850hPa经向风数据、850hPa纬向风数据、850hPa气温数据、500hPa位势高度数据、200hPa纬向风数据、200hPa经向风数据以及200hPa位势高度数据。5.根据权利要求4所述的方法，其特征在于，获取所述指定时长内、全球格点每月的指定变量数据，对所述指定变量数据进行时间维的平均和差分预处理，得到至少一个全球范围特征信息场，具体包括：针对各类指定变量数据，分别根据所述指定时长内的、连续三个月的指定变量数据，计算各类所述指定变量数据的季度平均值；根据连续三个月的指定变量数据中最后一个月的数据减去前两个月数据的平均值，计算各类所述指定变量数据的季度转折信息数据；将所述季度平均值以及所述季度转折信息数据作为所述指定变量数据对应的全球范围特征信息场。6.根据权利要求1所述的方法，其特征在于，所述采用留一法分别计算所述各预报量与所述各全球范围特征信息场之间相关系数，根据所述相关系数最大值位置，建立预报因子，具体包括：
根据以下公式计算所述各预报量与所述各全球范围特征信息场之间相关系数：其中，pc表示预报量，pc
i
表示第i个预报量，pc
i
为长度为n
year
的序列，n
year
等于所述指定时长的数量，表示pc
i
去掉第j个值的序列，j＝(1,2,3
……
n
year
)，v表示所述全球范围特征信息场，temp
v
表示v沿时间维度去掉第j个和倒数第一个的值；基于所述相关系数，根据以下公式计算平均相关系数：其中，i
var
表示第i个变量，i
lat
表示纬度维度上的第i
lat
个位置，i
lon
表示经度维度上的第i
lon
个位置；确定各所述全球范围特征信息场对应的平均相关系数的绝...
【专利技术属性】
技术研发人员：刘长征，陈丽娟，
申请(专利权)人：国家气候中心，
类型：发明
国别省市：
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。