一种相邻预见期降水预报重叠与新增信息的量化评估方法及系统技术方案

本发明专利技术涉及降水预报技术领域，提出一种相邻预见期降水预报重叠与新增信息的量化评估方法及系统，其中包括以下步骤：获取待评估的相邻预见期的降水预报数据及其对应的观测降水数据作为原始样本；确定观测降水数据与相邻预见期的降水预报数据的确定性系数；根据观测降水数据与相邻预见期的降水预报数据的确定性系数，基于集合运算计算被相邻预见期降水预报重复解释的确定性系数，和单独被目标预见期降水预报解释的确定性系数并作为相邻预见期降水预报重叠与新增信息的量化结果；计算相邻预见期降水预报重叠与新增信息的量化结果参考分布，并进行单侧显著性检验，得到评估相邻预见期降水预报重叠与新增信息的显著性结果。预见期降水预报重叠与新增信息的显著性结果。预见期降水预报重叠与新增信息的显著性结果。

【技术实现步骤摘要】
一种相邻预见期降水预报重叠与新增信息的量化评估方法及系统


[0001]本专利技术涉及降水预报
，更具体地，涉及一种相邻预见期降水预报重叠与新增信息的量化评估方法及系统。

技术介绍

[0002]准确的季节降水预报在洪涝与干旱等自然灾害的防灾减灾、水资源规划与管理等领域具有重要的价值和广阔的应用前景。全球主要的气候中心开始研发全球气候模型(Global climate models，GCMs)，GCM通过表征与气候相关的各种关键物理过程，在不同情景下产生有价值的全球降水预报。在不同的情景下，预报所提供的信息有重叠交叉和差异的部分。其中，预见期长短对产生的预报信息有着较大的影响。
[0003]目前有提出通过比对不同预测时间段内预测区域的经过空间插值处理的降水预报和观测降水数据，计算数据差异指标，根据所有数据差异指标，用于降水预报评估。然而在实际应用中，上述方法难以判断相邻预见期的降水预报是否提供了有效信息，以及相邻预见期之间是否存在重叠或新增的信息，也无法评估重叠或新增的信息量有多少，结果是否显著等，存在一定局限性。

技术实现思路

[0004]本专利技术为克服现有的降水预报评估方法中难以判断相邻预见期的降水预报是否提供了有效信息，无法量化重叠或新增的信息量，存在一定局限性的缺陷，提供一种相邻预见期降水预报重叠与新增信息的量化评估方法及系统。
[0005]为解决上述技术问题，本专利技术的技术方案如下：
[0006]一种相邻预见期降水预报重叠与新增信息的量化评估方法，包括以下步骤：
[0007]S1、获取待评估的相邻预见期的降水预报数据及其对应的观测降水数据作为原始样本。
[0008]S2、根据观测降水数据与相邻预见期的降水预报数据，以及与相邻预见期的降水预报数据并集的回归方程，确定观测降水数据与相邻预见期的降水预报数据的确定性系数。
[0009]S3、根据观测降水数据与相邻预见期的降水预报数据的确定性系数，基于集合运算计算被相邻预见期降水预报重复解释的确定性系数，和单独被目标预见期降水预报解释的确定性系数并作为相邻预见期降水预报重叠与新增信息的量化结果。
[0010]S4、计算相邻预见期降水预报重叠与新增信息的量化结果参考分布，并根据量化结果参考分布与原始样本进行单侧显著性检验，得到评估相邻预见期降水预报重叠与新增信息的显著性结果。
[0011]进一步地，本专利技术还提出一种相邻预见期降水预报重叠与新增信息的量化评估系统，应用上述提出的相邻预见期降水预报重叠与新增信息的量化评估方法。其中包括：
[0012]观测降水查询模块，用于根据输入的待评估的相邻预见期的降水预报数据，查询并获取相应时间和地区的观测降水数据。
[0013]确定性系数计算模块，用于构建观测降水数据与相邻预见期的降水预报数据的回归方程，以及构建观测降水数据与相邻预见期的降水预报数据并集的回归方程，通过所述回归方程计算观测降水数据与相邻预见期的降水预报数据的确定性系数。
[0014]量化模块，用于根据观测降水数据与相邻预见期的降水预报数据的确定性系数，基于集合运算计算被相邻预见期降水预报重复解释的确定性系数，以及计算单独被目标预见期降水预报解释的确定性系数，将计算得到的确定性系数作为相邻预见期降水预报重叠与新增信息的量化结果输出。
[0015]显著性评估模块，用于计算相邻预见期降水预报重叠与新增信息的量化结果参考分布，并根据量化结果参考分布与原始样本进行单侧显著性检验，输出评估相邻预见期降水预报重叠与新增信息的显著性结果。
[0016]与现有技术相比，本专利技术技术方案的有益效果是：本专利技术将集合运算与线性回归确定性系数相结合，进一步对确定性系数的分布进行显著性检验，简单且有效地判断相邻预见期的降水预报是否提供了有效信息，量化了相邻预见期的降水预报中的重叠或新增的信息量，有效区分出相邻预见期降水预报所提供的观测降水信息中重叠和新增的成分，从而为降水预报的业务使用提供参考。
附图说明
[0017]图1为本专利技术实施例的相邻预见期降水预报重叠与新增信息的量化评估方法的流程图。
[0018]图2为相邻预见期降水预报的差异和重叠情况的示意图。
[0019]图3为预见期为0个月的预报降水所提供的观测降水信息空间分布图。
[0020]图4为预见期为1个月的预报降水所提供的观测降水信息空间分布图。
[0021]图5为预见期为0个月和1个月的预报降水所共同提供的观测降水信息空间分布图。
[0022]图6为预见期为0个月和1个月的预报降水所提供的观测降水信息中重叠成分的空间分布图。
[0023]图7为预见期为0个月相对预见期为1个月的所提供的观测降水信息中新增成分的空间分布图。
[0024]图8为预见期为0个月和1个月的预报降水重叠信息的显著性检验结果空间分布图。
[0025]图9为预见期为0个月相对预见期为1个月的预报降水新增信息的显著性检验结果空间分布图。
[0026]图10为本专利技术实施例的相邻预见期降水预报重叠与新增信息的量化评估系统的架构图。
具体实施方式
[0027]附图仅用于示例性说明，不能理解为对本专利的限制；
[0028]对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0029]下面结合附图和实施例对本专利技术的技术方案做进一步的说明。
[0030]实施例1
[0031]本实施例提出一种相邻预见期降水预报重叠与新增信息的量化评估方法，如图1所示，为本实施例的相邻预见期降水预报重叠与新增信息的量化评估方法的流程图。
[0032]本实施例提出的相邻预见期降水预报重叠与新增信息的量化评估方法中，包括以下步骤：
[0033]S1、获取待评估的相邻预见期的降水预报数据及其对应的观测降水数据作为原始样本。
[0034]S2、根据观测降水数据与相邻预见期的降水预报数据，以及与相邻预见期的降水预报数据并集的回归方程，确定观测降水数据与相邻预见期的降水预报数据的确定性系数。
[0035]S3、根据观测降水数据与相邻预见期的降水预报数据的确定性系数，基于集合运算计算被相邻预见期降水预报重复解释的确定性系数，和单独被目标预见期降水预报解释的确定性系数并作为相邻预见期降水预报重叠与新增信息的量化结果。
[0036]S4、计算相邻预见期降水预报重叠与新增信息的量化结果参考分布，并根据量化结果参考分布与原始样本进行单侧显著性检验，得到评估相邻预见期降水预报重叠与新增信息的显著性结果。
[0037]本实施例中，将集合运算与线性回归的确定性系数相结合，简单且有效的区分出相邻预见期降水预报所提供的信息中重叠和新增的成分，并输出量化及经过显著性评估的结果，从而为降水预报产品的业务使用提供参考。
[0038]在一可选实施例中，S2步骤中，根据观测降水数据与相邻预见期的降水预报数据，以及相邻预见期的降水预报数据并集的回归方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种相邻预见期降水预报重叠与新增信息的量化评估方法，其特征在于，包括以下步骤：S1、获取待评估的相邻预见期的降水预报数据及其对应的观测降水数据作为原始样本；S2、根据观测降水数据与相邻预见期的降水预报数据，以及与相邻预见期的降水预报数据并集的回归方程，确定观测降水数据与相邻预见期的降水预报数据的确定性系数；S3、根据观测降水数据与相邻预见期的降水预报数据的确定性系数，基于集合运算计算被相邻预见期降水预报重复解释的确定性系数，和单独被目标预见期降水预报解释的确定性系数并作为相邻预见期降水预报重叠与新增信息的量化结果；S4、计算相邻预见期降水预报重叠与新增信息的量化结果参考分布，并根据量化结果参考分布与原始样本进行单侧显著性检验，得到评估相邻预见期降水预报重叠与新增信息的显著性结果。2.根据权利要求1所述的量化评估方法，其特征在于，所述S2步骤中，根据观测降水数据与相邻预见期的降水预报数据，以及相邻预见期的降水预报数据并集的回归方程的步骤包括：构建观测降水数据与预见期为0个月的降水预报数据的回归方程，并通过比较残差平方和以及观测降水总方差，确定观测降水数据与预见期为0个月的降水预报数据的确定性系数R2(o～f0)；其表达式如下：构建观测降水数据与预见期为1个月的降水预报数据的回归方程，并通过比较残差平方和以及观测降水总方差，确定观测降水数据与预见期为1个月的降水预报数据的确定性系数R2(o～f1)；其表达式如下：构建观测降水数据与相邻预见期的降水预报数据并集(f0∪f1)的回归方程，并通过比较残差平方和以及观测降水总方差，确定观测降水数据与相邻预见期的降水预报数据并集(f0∪f1)的确定性系数R2(o～(f0∪f1))；其表达式如下：式中，o
k
表示第k年的观测降水数据，f
0,k
表示第k年预见期为0个月的降水预报数据，f0表示原始样本中预见期为0个月的降水预报数据；f
1,k
表示第k年预见期为1个月的降水预报数据，f1表示原始样本中预见期为1个月的降水预报数据；α1、α2、α3分别为相应线性回归模型的截距项，β1、β2、β
3,1
和β
3,2
分别为相应线性回归模型的斜率项，ε
1,k
、ε
2,k
、ε
3,k
分别为相应线性回归模型的残差项；其中k＝1,2,...,K，K为原始样本的总年数。3.根据权利要求2所述的量化评估方法，其特征在于，所述S3步骤中，其具体步骤包括：根据观测降水数据与相邻预见期的降水预报数据的确定性系数，基于集合运算计算被相邻预见期降水预报重复解释的方差作为其确定性系数；其表达式如下：
R2(o～(f0∩f1))＝R2(o～f0)+R2(o～f1)
‑
R2(o～(f0∪f1))；根据观测降水数据与相邻预见期的降水预报数据的确定性系数，基于集合运算计算单独被目标预见期降水预报解释的方差作为其确定性系数；其表达式如下：R2(o～(f0/f1))＝R2(o～(f0∪f1))
‑
R2(o～f1)。4.根据权利要求1～3任一项所述的量化评估方法，其特征在于，所述S4步骤中，采用自举法对原始样本进行处理，得到相邻预见期降水预报重叠与新增信息的量化结果参考分布。5.根据权利要求4所述的量化评估方法，其特征在于，采用自举法对原始样本进行处理的步骤包括：随机置乱所述原始样本中的相邻预见期的降水预报数据，并重复执行S2、S3步骤至预设的迭代次数n，得到包含n个元素的观测降水数据与相邻预见期的降水预报数据的确定性系数集合R
′2(o～(f0∩f1))和R
′2(o～(f0/f1))；其中，表示在进行第i次迭代时得到的被相邻预见期降水预报重复解释的方差集合，表示在进行第i次迭代时得到的单独被目标预见期降水预报解释的方差集合，i＝1,2,...,n；将确定性系数集合R
′2(o～(f0∩f1))和R
′2(o～(f0/f1))作为量化结...

【专利技术属性】
技术研发人员：赵铜铁钢，欧芊禧，陈浩玲，
申请(专利权)人：中山大学，
类型：发明
国别省市：