一种基于地面气象数据集群的模型参数优化方法技术

本发明专利技术公开了一种基于地面气象数据集群的模型参数优化方法

【技术实现步骤摘要】
一种基于地面气象数据集群的模型参数优化方法


[0001]本专利技术属于大气与环境科学
，尤其涉及基于地面气象数据集群的模型参数优化方法
。

技术介绍

[0002]常规地面气象数据具有时间序列长
、
观测规范
、
质量高等优势，大量模型的建立需要利用地面气象数据确定模型参数
。
受气候类型
、
地理环境等因素的影响，模型参数在空间和时间上存在变化，具有地域和季节差异，是决定模型性能的关键
。
[0003]现有模型包括单站模型和集总模型两大类
。
单站模型以单个气象站数据为基础建模，模型参数受限于地面站密度及其分布特征；集总模型将研究域内所有气象站数据作为一个数据集建模，采用一套模型参数，忽略了模型参数在空间域的差异性
。

技术实现思路

[0004]专利技术目的：针对现有技术存在的问题，本专利技术设计了一种基于地面气象数据集群的模型参数优化方法，通过在空间域
、
时间域两个维度的多种数据集群方案及其组合，设计建模的样本数据集，筛选优化模型参数，从而达到建立最优模型的目的
。
[0005]技术方案：为实现上述专利技术目的，本专利技术采用以下技术方案：一种基于地面气象数据集群的模型参数优化方法，从空间域和时间域两个维度，采用不同的数据集群方案建立模型，并确定模型参数；所述模型包括集总模型
、
单站模型和区域模型；其中，所述集总模型和单站模型为区域模型的两种极端情况，所述区域模型及最优模型参数通过以下步骤确定：步骤
S1
，邻近站与目标站距离计算以目标站
S
i
为中心，通过式（1）计算周边邻近站与目标站距离，站间的距离计算式为：
ꢀꢀꢀ
（1）式中，为周边邻近站
S
j
与目标站
S
i
的距离，分别为目标站
S
i
的经纬度坐标，分别为邻近站
S
j
的经纬度坐标，
d
为形状系数，，通过形状系数调节子区域形状，用距离指标衡量邻近站
S
j
与目标站
S
i
的邻近关系；在确认站间距离的前提下，进而确定周边邻近站
S
j
与目标站
S
i
邻近次序；步骤
S2
，设置最大邻近站数
N
max
；步骤
S3
，目标站子区域确定对于目标站
S
i
，在形状系数
d
为某一确定值情况下，按站间的邻近次序，选定
n
个与其最邻近站作为子区域站，；步骤
S4
，目标站子区域模型的确定对于每个确定的子区域，采用区域模型数据集群方案，分别建立区域全年模型和区域分月模型，其中：
对于目标站
S
i
，最多可能建立的子区域模型数目为：；对于整个研究区，目标站遍历所有气象站，则研究区内最多可能的子区域模型数目为：站数；对所有子区域模型进行模型参数拟合，优选模型参数；步骤
S5
，目标站最优模型参数确定对于目标站
S
i
，在其所有子区域模型中，选取统计指标最优者对应的模型参数作为目标站
S
i
最优模型参数；步骤
S6
，选取下一个目标站
S
i+1
为中心，然后重复步骤
S1
‑ꢀ
S5
获得目标站
S
i+1
的子区域模型及最优模型参数，直至遍历研究区所有气象站
。
[0006]作为优选，步骤
S2
中所述最大邻近站数
N
max
，取值结合站点密度确定，且
N
max
不能超过研究区内总站数
N
，其最大赋值为
N ‑
1。
[0007]作为优选，步骤
S2
所述最大邻近站数
N
max
，全国
2400
个站点密度的情况下，取值为
20、30
或
40。
[0008]作为优选，所述集总模型包括集总全年模型和集总分月模型，其中：所述集总全年模型，是将研究区内所有站所有月份的数据作为一个样本数据集，从而确定一套模型参数；所述集总分月模型，是将研究区内所有站同一月份的数据作为一个样本数据集，按
12
个月份确定模型参数，得到各个月的模型参数
。
[0009]作为优选，所述单站模型包括单站全年模型和单站分月模型，其中：单站全年模型，是将单个站全年所有月份数据集作为一个样本数据集，分别确定各站模型参数；单站分月模型，是将单个站同一月份的所有数据作为一个样本数据集，按
12
个月份确定模型参数，得到单站各个月的模型参数
。
[0010]作为优选，所述区域模型包括区域全年模型和区域分月模型，其中：区域全年模型，是将单个子区域内所有站全年所有月份数据作为一个样本数据集，分别确定各个子区域模型参数；区域分月模型，是将单个子区域内所有站同一月份的所有数据作为一个样本数据集，按
12
个月份确定模型参数，得到子区域各个月的模型参数
。
[0011]作为优选，所述数据集为地面气象观测数据集，所述地面气象观测数据包括气温
、
降水
、
湿度
、
风速
、
日照
、
云量和太阳辐射
。
[0012]有益效果：与现有技术相比，本专利技术基于气象站数据建模，充分考虑了拟合要素的时
、
空变化特征
。
传统模型以单站模型和集总模型为主，对上述因素的考虑不够全面；而本专利技术设计的集群方法，通过不同组合的数据集群形式，多重优化建模的样本数据集，进而找到最优模型参数
。
附图说明
[0013]图1为本专利技术所述区域模型及最优参数确定流程示意图
。
实施方式
[0014]下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明
本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围
。
[0015]本专利技术从空间域和时间域两个维度，采用不同的数据集群方案建立模型，并确定模型参数
。
模型的建立基于数据集类型选择，并通过数据拟合等方式确定模型参数，该过程为现有常规技术，本专利技术不展开介绍
。
所述数据集群方案分三类，分别是集总模型
、
单站模型和区域模型...

【技术保护点】

【技术特征摘要】
1.
一种基于地面气象数据集群的模型参数优化方法，其特征在于，从空间域和时间域两个维度，采用不同的数据集群方案建立模型，并确定模型参数；所述模型包括集总模型
、
单站模型和区域模型；其中，所述集总模型和单站模型为区域模型的两种极端情况，所述区域模型及最优模型参数通过以下步骤确定：步骤
S1
，邻近站与目标站距离计算以目标站
S
i
为中心，通过式（1）计算周边邻近站与目标站距离，站间的距离计算式为：
ꢀꢀꢀꢀ
（1）式中，为周边邻近站
S
j
与目标站
S
i
的距离，分别为目标站
S
i
的经纬度坐标，分别为邻近站
S
j
的经纬度坐标，
d
为形状系数，，通过形状系数调节子区域形状，用距离指标衡量邻近站
S
j
与目标站
S
i
的邻近关系；在确认站间距离的前提下，进而确定周边邻近站
S
j
与目标站
S
i
邻近次序；步骤
S2
，设置最大邻近站数
N
max
；步骤
S3
，目标站子区域确定对于目标站
S
i
，在形状系数
d
为某一确定值情况下，按站间的邻近次序，选定
n
个与其最邻近站作为子区域站，；步骤
S4
，目标站子区域模型的确定对于每个确定的子区域，采用区域模型数据集群方案，分别建立区域全年模型和区域分月模型，其中：对于目标站
S
i
，最多可能建立的子区域模型数目为：；对于整个研究区，目标站遍历所有气象站，则研究区内最多可能的子区域模型数目为：站数；对所有子区域模型进行模型参数拟合，优选模型参数；步骤
S5
，目标站最优模型参数确定对于目标站
S
i
，在其所有子区域模型中，选取统计指标最优者对应的模型参数作为目标站
S
i
最优模型参数；步骤
S6
，选取下一个目标站
S
i+1
为中心，然后重复步骤
S1
‑ꢀ
S5
获得目标站
...

【专利技术属性】
技术研发人员：曾燕，邱新法，朱晓晨，谢志清，吴泓，刘岩，王珂清，吴昊，严殊祺，许金萍，徐进，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：