一种基于气候变化预测极寒天气的模型与方法技术

技术编号：40358932 阅读：8 留言：0更新日期：2024-02-09 14:45

本发明专利技术提出了一种基于气候变化预测极寒天气的模型与方法，包括:构建极寒天气现象指标以及气候变化指标；构建信息增益模型；构建基于Sigmoid函数的二分类回归预测模型；对基于Sigmoid函数的二分类回归预测模型进行求解；利用K折交叉验证模型对基于Sigmoid函数的二分类回归预测模型进行迭代训练，并使用常规评级指标评价模型效果。针对气候变化预测极寒天气进行定量分析和构建模型，充分利用多源数据并通过统计分析和机器学习技术实现了对极寒天气的准确预测，解决了影响极寒天气的因素之间相互作用机制不明确的问题，本发明专利技术的应用将对气候研究、风险评估与灾害管理、气候适应与可持续发展、决策支持和科学研究领域产生广泛而积极的影响。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及环境科学领域，具体涉及一种基于气候变化预测极寒天气的模型与方法。

技术介绍

1、气候变化是当前全球面临的重要挑战之一，寒冷气候条件下的极端天气事件对人类社会、经济和生态环境都带来了巨大影响。科学家们已经证实了气候变化与极端天气事件之间的关联，极寒天气事件通常受到多个复杂因素的影响，如大气环流、海洋表面温度、地表特征等，但这些因素之间的相互作用和影响机制并不完全清楚。

2、目前，已有的气候模型和预测方法主要用于分析气候变化的趋势和模式，包括全球气候模型、区域气候模型等。但对于气候变化的极寒天气预测，现有技术在量化分析和预测方面还存在一定的局限性；除此之外，对于极寒天气事件的研究相对较少且缺乏深入的定量分析和预测模型方法。

3、因此，本专利技术提出一种基于气候变化预测极寒天气的模型与方法，基于大量的观测数据和气候模拟结果，并且通过综合考虑多个关键因素，利用统计分析和机器学习技术构建了一个可靠的预测和分析模型，通过气候变化影响因素预测极寒天气出现的时间，除此之外，本专利技术还涉及一种针对气候变化和极寒天气事件的特定参数和指标的分析预测方法，使得对气候变化与极寒天气关系的评估更加全面和准确。

4、本专利技术提出的量化模型与方法、数据处理与模型构建技术以及特定参数与指标的分析方法将为气候研究和风险评估领域提供创新解决方案，产生更加积极而广泛的影响。

技术实现思路

1、本专利技术针对上述现有技术中一个或多个技术缺陷，提出了如下技术方案。

2、一种基于气候变化预测极寒天气的方法，包括：

3、s1:构建极寒天气现象指标以及气候变化指标；

4、s2:构建信息增益模型，具体地，通过所述极寒天气现象指标以及所述的气候变化指标划分得到气温数据集，计算所述气温数据集的混乱程度并进一步得到所述气温数据集的信息增益；

5、所述混乱程度的计算公式如下：

6、

7、其中，x表示气温数据，p(xi)表示样本xi出现的概率，h(x)表示气温数据集的混乱程度；

8、所述信息增益的计算公式如下：

9、gain(x,a)＝h(x)-h(x|a)，

10、

11、其中，x、a均表示气温数据，h(x|a)为在已知随机变量a的条件下随机变量x的不确定性，h(x)表示所述气温数据集的混乱程度，gain(x,a)表示数据a对数据x的信息增益；

12、s3:构建基于sigmoid函数的二分类回归预测模型，具体地，对所述气温数据集的分类边界线建立回归公式，再通过sigmoid函数映射影响气候变化的特征要素，并使用梯度上升法找到最佳拟合参数集，以所述分类边界线对所述最佳拟合参数集进行分类，得到基于sigmoid函数的二分类回归预测模型；

13、s4:对s3所述基于sigmoid函数的二分类回归预测模型进行求解，具体地，使用z-score标准化方法对所述影响气候变化的特征要素进行标准化处理，再根据所述影响气候变化的特征要素构建影响因素向量，并将所述影响因素向量输入到所述基于sigmoid函数的二分类回归预测模型以得到所述影响气候变化的特征要素相应的回归系数；

14、所述z-score标准化的公式为：

15、其中，表示特征要素i标准化后的值、xi表示特征要素i的原始数据、μi表示特征要素i的平均数、σi表示特征要素i的标准差；

16、s5:利用k折交叉验证模型对所述基于sigmoid函数的二分类回归预测模型进行迭代训练，并使用常规评级指标评价模型效果。

17、更进一步地，所述极寒天气现象指标是通过以下方式获取的：

18、提取某地区的月度平均最低气温，将出现极寒天气的月份标记为1，其余月份标记为0，作为极寒天气现象指标。

19、更进一步地，所述气候变化指标是通过以下方式获取的：

20、提取两段相同时间长度的全球气温数据并计算对应的平均气温，再计算所述平均气温的差值，将所述两段相同时间长度的全球气温数据对应的平均气温相对比，若平均温度提高则标记为1，若平均气温下降或平均气温不变，则标记为0，作为气候变化指标。

21、更进一步地，s3中需要把所述气温数据集中的数据输入到sigmoid函数中进行计算，并将计算结果的数值映射到[0,1]区间以对所述气温数据集进行分类；

22、所述sigmoid函数的计算公式为：

23、

24、其中，x表示气温数据集中的数据，s(x)表示出现极寒天气的概率。

25、sigmoid函数常被用作神经网络的激活函数，输出范围为(0,1)，在数据传递的过程中不容易发散，能很好地表示预测概率问题，可以用来处理二分类问题，并且能够抑制误差。

26、更进一步地，s3中所述影响气候变化的特征要素需要构建成特征要素向量，并结合参数特征向量得到所述基于sigmoid函数的二分类回归预测模型的概率函数；

27、所述概率函数为：

28、

29、其中，x表示特征要素向量，θ表示参数特征向量，hθ(x)表示出现极寒天气现象的概率，hθ(x)的计算公式为：

30、

31、其中，θt表示特征要素向量的系数，x表示特征要素向量。

32、更进一步地，s3所述最佳拟合参数是通过建立二分类关联的代价概率函数并求解所述代价概率函数的最大值对应的参数特征向量得到的；

33、所述代价概率函数为：

34、cost(hθ(x),y)＝hθ(x)y(1-hθ(x))(1-y)，

35、其中，x表示特征要素向量，y表示0-1向量，hθ(x)表示出现极寒天气现象的概率。

36、所述代价概率函数用于估量模型在训练集中的表现，表示预测值和真实值之间不一致的程度。

37、所述代价概率函数的作用在于确定函数中的最优参数，使得拟合数据点的误差达到最小，即拟合效果最好；可以帮助我们更好地衡量、训练和改进模型以使得适应各种不同的任务和问题。

38、更进一步地，所述代价概率函数的求解过程包括：对所述代价概率函数取对数得到对数似然函数，并通过最大似然估计进行参数求解找出能最大概率生成观测数据的参数以确定对所述基于sigmoid函数的二分类回归预测模型进行最大似然估计的迭代方程；

39、所述对数似然函数为：

40、

41、能最大概率生成观测数据的参数的计算公式为：

42、

43、

44、最终确定的对所述基于sigmoid函数的二分类回归预测模型进行最大似然估计的迭代方程为：

45、

46、其中，表示更新后的特征要素j系数的最大似然估计值，θj表示特征要素j的系数估计值，α表示收敛系数，s(θtx)表示出现极寒天气现象的概率，θt表示特征要素的系数向量，x表示特征要素本文档来自技高网...

【技术保护点】

1.一种基于气候变化预测极寒天气的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述极寒天气现象指标是通过以下方式获取的：

3.根据权利要求1所述的方法，其特征在于，所述气候变化指标是通过以下方式获取的：

4.根据权利要求1所述的方法，其特征在于，S3中需要把所述气温数据集中的数据输入到Sigmoid函数中进行计算，并将计算结果的数值映射到[0,1]区间以对所述气温数据集进行分类；

5.根据权利要求1所述的方法，其特征在于，S3中所述影响气候变化的特征要素需要构建成特征要素向量，并结合参数特征向量得到所述基于Sigmoid函数的二分类回归预测模型的概率函数；

6.根据权利要求1所述的方法，其特征在于，S3所述最佳拟合参数是通过建立二分类关联的代价概率函数并求解所述代价概率函数的最大值对应的参数特征向量得到的；

7.根据权利要求6所述的方法，其特征在于，所述代价概率函数的求解过程包括：对所述代价概率函数取对数得到对数似然函数，并通过最大似然估计进行参数求解找出能最大概率生成观测数据的参数以

8.根据权利要求1所述的方法，其特征在于，在进行S4所述z-score标准化处理之前，还需要利用信息增益模型分别计算极寒天气现象指标和气候变化指标的原始信息熵和对应的信息增益。

9.根据权利要求1所述的方法，其特征在于，S4所述影响因素向量包括：气候变化平均差额、海洋表面平均温度、CO2浓度、总降雨降雪量、PM2.5空气质量指数(AQI)、空气湿度、土地侵蚀率、高温区间的地球表面面积占比(日最高气温高于32℃)、季度气温平均差额、时间要素(年)、时间要素(月)、地球辐射差额、酸雨发生率、森林覆盖率、人口增量。

10.根据权利要求1所述的方法，其特征在于，S5所述K折交叉验证，是将所述气温数据集分成K个子样本，其中，一个单独的子样本作为验证模型的数据，剩下的K-1个子样本用来进行训练，并重复K次交叉验证以使得每一个子样本都能得到一次验证，再平均K次交叉验证的结果或使用其它结合方式得到单一估测以验证模型性能。

...

【技术特征摘要】

1.一种基于气候变化预测极寒天气的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述极寒天气现象指标是通过以下方式获取的：

3.根据权利要求1所述的方法，其特征在于，所述气候变化指标是通过以下方式获取的：

4.根据权利要求1所述的方法，其特征在于，s3中需要把所述气温数据集中的数据输入到sigmoid函数中进行计算，并将计算结果的数值映射到[0,1]区间以对所述气温数据集进行分类；

5.根据权利要求1所述的方法，其特征在于，s3中所述影响气候变化的特征要素需要构建成特征要素向量，并结合参数特征向量得到所述基于sigmoid函数的二分类回归预测模型的概率函数；

6.根据权利要求1所述的方法，其特征在于，s3所述最佳拟合参数是通过建立二分类关联的代价概率函数并求解所述代价概率函数的最大值对应的参数特征向量得到的；

7.根据权利要求6所述的方法，其特征在于，所述代价概率函数的求解过程包括：对所述代价概率函数取对数得到对数似然函数，并通过最大似然估计进行参数求解找出...

【专利技术属性】
技术研发人员：林有超，李亚琴，吴俊，
申请(专利权)人：罗普特科技集团股份有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人