一种基于制造技术

本发明专利技术为一种基于

【技术实现步骤摘要】
一种基于EEMD方法对气象输入数据频率分解的统计降尺度方法


[0001]本专利技术涉及气象与水文交叉
，特别涉及一种基于
EEMD
方法对气象输入数据频率分解的统计降尺度方法
。

技术介绍

[0002]随着全球气候变暖，越来越多的决策者和学者加大了对流域未来水文条件的预测和评估的关注度
。
目前，对流域未来水文条件的预测和评估方法可分为数据驱动的时间序列自相关方法和过程驱动的流域降雨
‑
径流模型两种，数据驱动的时间序列自相关方法模型以建立输入输出数据之间的最优数学关系为基础预测未来径流，基本不考虑水文过程的物理机制，预测结果往往具有较高的不确定性和较弱的空间拓展性；过程驱动的流域降雨
‑
径流模型则以水文学概念为基础，利用水文模型对径流的产流过程与河道演进过程进行模拟，可以有效补充数据驱动方法模型的不足
。
[0003]在预测流域水文条件时，气象数据输入是水文模型必不可少的驱动数据，因此将气象数据应用于中长期水文条件预测时，必须与气候预报相结合...

【技术保护点】

【技术特征摘要】
1.
一种基于
EEMD
方法对气象输入数据频率分解的统计降尺度方法，其特征在于，包括以下步骤：
S1
：获取站点的被预测因子与原始预测因子并进行时间序列匹配；
S2
：通过
EEMD
方法对被预测因子和原始预测因子进行频率分解，分别获取趋势
IMF、
季节循环
IMF、
周期
IMF
和残差
IMF
；
S3
：利用
MLP
模型分别构建被预测因子的趋势
IMF
预测模型
、
季节循环
IMF
预测模型
、
周期
IM
预测模型和残差
IMF
预测模型；分别以原始预测因子
、
全部频率预测因子
IMF、
对应频率预测因子
IMF
及其组合作为输入率定上述预测模型，将
R2最高的预测模型作为对应被预测因子的校正模型，应用筛选后的校正模型获得多个
GCM
输出数据集合；
S4
：基于
BMA
方法对获得的多个
GCM
输出数据集合进行加权平均，作为空间降尺度模型；
S5
：构建
SWG
，将步骤
S4
中空间降尺度模型输出的月尺度数据降为日尺度数据；
S6
：通过
SP
方法重构多个站点间日尺度数据的相关性，作为时间降尺度模型；
S7
：利用步骤
S5
～
S6
中日尺度数据驱动
SWAT
模型，模拟不同时期的流域水文过程
。2.
根据权利要求1所述的一种基于
EEMD
方法对气象输入数据频率分解的统计降尺度方法，其特征在于，在步骤
S1
中，将站点的日尺度气象数据聚合到月尺度作为被预测因子，获取
CMIP6
中的月尺度气象数据作为原始预测因子，并将二者进行时间序列匹配
。3.
根据权利要求1所述的一种基于
EEMD
方法对气象输入数据频率分解的统计降尺度方法，其特征在于，在步骤
S2
中，分别对步骤
S1
中获得的原始预测因子和被预测因子的时间序列进行标准化，在设置随机种子的基础上，应用
EEMD
方法分别对被预测因子和原始预测因子进行自适应分解
。4.
根据权利要求1所述的一种基于
EEMD
方法对气象输入数据频率分解的统计降尺度方法，其特征在于，步骤
S3
中，获得多个
GCM
输出数据集合的具体过程为：
S31
：将步骤
S2
获得的预测因子和被预测因子的周期
IMF、
季节循环
IMF、
趋势
IMF
和残差
IMF
...

【专利技术属性】
技术研发人员：庞建壮，张会兰，许行，张志强，范光鹏，张祎帆，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：