【技术实现步骤摘要】
本专利技术涉及海洋数据预测，特别涉及一种蒸发波导融合短期预测方法及系统。
技术介绍
1、在海气相互作用下，海水蒸发导致海面上大气湿度随着高度的升高而锐减形成的一种大气特殊层状结构称为蒸发波导。蒸发波导会导致大气折射率异常，一部分电磁波入射到该层状结构时，会形成超视距探测。
2、蒸发波导发生在海面上0-40m的范围内，海上船舰电磁通信设备主要在该范围内进行工作，因此，对蒸发波导进行实时、精确的分析和预测，是掌握海上电磁通信环境的关键。
3、在蒸发波导预测方面，可以根据天气图上的天气系统演变规律结合当前天气状态来实现蒸发波导的预测，但是只能定性的预测出蒸发波导的出现情况，无法定量的确定蒸发波导的具体特征值。蒸发波导也可以采用mm5或者wrf中尺度数值模拟进行区域预测，但是该方法的物理过程是粗网格的基础上进行的，而大气边界层的物理过程需要考虑细网格。当前急需一种更为精确的蒸发波导短期预测方法来避免以上缺陷。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种蒸发波导融合短期预测方法及系统，以达到有效提高蒸发波导短期预测精度的目的。
2、为达到上述目的，本专利技术的技术方案如下：
3、一种蒸发波导融合短期预测方法，包括如下步骤：
4、步骤一，观测数据获取：通过气象水文传感器、gps定位传感器获取距海面不同高度上的气象水文参数、经纬度、utc时间观测数据；
5、步骤二，观测数据处理：将传感器采集的数据进行时间匹配
6、步骤三，蒸发波导融合高度短期预测：对处理后的数据，进行中间变量计算，然后从中间变量计算值中选取输入特征值，最后基于时间序列算法进行多特征融合建模及蒸发波导高度短期预测；
7、步骤四，数据传输：将原始观测数据、处理后的观测数据、中间变量数据和预测数据传输到客户端数据中心。
8、上述方案中，步骤三的具体方法包括如下步骤：
9、（1）计算不同粗糙度方法ty96、ty01、o02的粗糙度值，分别用表示；
10、（2）将观测的气象水文参数输入到pj、nps、byc、nwa蒸发波导模型中，计算得到不同蒸发波导模型诊断高度，分别用表示；
11、（3）将观测的不同高度的气象水文数据通过蒸发波导高度定义计算得到的蒸发波导高度作为蒸发波导高度参考值，用表示；
12、（4）选取气象水文参数包括时间、温度、相对湿度、风速、气压、海表温度，以及、作为特征量，以作为因变量，对特征量数据集进行归一化，消除数据之间不同量纲带来的影响，选用动态模型平均方法进行多特征融合建模以及蒸发波导高度短期预测。
13、上述方案中，步骤（4）中，多特征融合建模以及蒸发波导高度短期预测的方法如下：
14、首先，建立动态模型平均方法的线性高斯空间形式如下：
15、；
16、；
17、式中，，表示对应的模型集合数；上标表示矩阵的转置；下标表示时间序列中的第个时间戳；为时刻的蒸发波导高度预测值；表示特征量数据集的子集；除去时间一共11个特征量，因此在计算过程中会产生个可供选择的模型，包括model1、model2、model3、...、model2047；是时刻时第k个模型的时变权重系数；表示时刻时第k个模型的时变权重系数；表示时刻时第k个模型的观测方程的误差项，表示时刻时第k个模型的状态方程的误差项；
18、然后，采用下式计算每个时刻的模型model1、model2、model3、...、model2047的概率：
19、；
20、式中，，表示前t-1个时刻蒸发波导高度的集合；表示第k个模型在t时刻蒸发波导高度的概率；代表在时刻t的模型；表示在时刻t-1的模型下模型的转移概率矩阵元素；代表在时刻t时第个模型被选中；
21、其次，引入模型转换因子，将上式简化为：
22、；
23、式中，是一个比0大的调整值；
24、最后，对上式得到的多个概率进行加权平均，得到最后的预测结果：
25、；
26、式中，表示在时刻t时第k个模型的预测值；是模型model1、model2、model3、...、model2047预测的的加权平均值，权重为样本的后验预测模型概率；
27、其中，采用均方根误差和平均绝对百分比误差作为评估指标：
28、；
29、；
30、式中，rmse表示均方根误差，mape表示平均绝对百分比误差，h表示预测值数量，h=1,2,3…h，h表示第h个预测值；rmse和mape的值越小，模型的预测效果越好。
31、上述方案中，步骤二中，观测数据处理的方法包括如下步骤：
32、（1）将传感器采集的数据进行时间匹配；
33、（2）将时间匹配之后的观测数据结合具体的观测参数先验变化趋势，对近海面气象水文观测数据采用grubbs准则进行异常检测；
34、（3）对数据异常值检测之后，采用stl时间序列分解算法对异常值进行校正；
35、（4）对校正后的观测数据采用数学平均和滑动平均方法进行处理。
36、上述方案中，所述时间匹配的方法包括内插法、最小二乘法、拉格朗日插值法、卡尔曼滤波法。
37、上述方案中，所述异常检测的方法包括grubbs准则、孤立森林算法、自编码器模型方法。
38、上述方案中，对异常值进行校正的方法包括stl时间序列分解算法、小波分解、arima。
39、进一步的技术方案中，步骤（4）中，温度、相对湿度、气压和海表温度采用给定时间段内的算术平均值，按照采集时间的先后顺序从前向后滑动，每按照给定步长滑动一次，获得一个数据，用如下公式表示：
40、；
41、式中，为时间段内第个的温度、相对湿度、气压和海表温度的值，为时刻t的温度、相对湿度、气压和海表温度算数平均值；n表示给定步长的样本值个数；
42、风速采用滑动平均方法，计算公式如下：
43、+；
44、式中，为d个风速样本值的平均值，为d-1个风速样本值的平均值，为第d个风速样本值，为采样间隔，为平均区间。
45、上述方案中，步骤（3）中，蒸发波导高度参考值的计算方法如下：
46、首先，根据气象水文参数和大气折射指数之间的关系获取大气折射指数n：
47、；
48、式中，为温度，单位k；为大气压强，单位hpa；为水汽压，单位hpa；
49、假如只观测了一个高度上气压的数据，则需要通过压高公式进行转换成不同高度上的气压，压高公式如下：
50、；
51、式中，大气压强和之间的高度为，为和之间的平均空气温度，单位℃；=1/273；为大气压强为时的高度，为大气压强为时的高度；
52本文档来自技高网...
【技术保护点】
1.一种蒸发波导融合短期预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种蒸发波导融合短期预测方法，其特征在于，步骤三的具体方法包括如下步骤：
3.根据权利要求2所述的一种蒸发波导融合短期预测方法，其特征在于，步骤（4）中，多特征融合建模以及蒸发波导高度短期预测的方法如下：
4.根据权利要求1所述的一种蒸发波导融合短期预测方法，其特征在于，步骤二中，观测数据处理的方法包括如下步骤：
5.根据权利要求4所述的一种蒸发波导融合短期预测方法，其特征在于，所述时间匹配的方法包括内插法、最小二乘法、拉格朗日插值法、卡尔曼滤波法。
6.根据权利要求4所述的一种蒸发波导融合短期预测方法，其特征在于，所述异常检测的方法包括Grubbs准则、孤立森林算法、自编码器模型方法。
7.根据权利要求4所述的一种蒸发波导融合短期预测方法，其特征在于，对异常值进行校正的方法包括STL时间序列分解算法、小波分解、ARIMA。
8.根据权利要求4所述的一种蒸发波导融合短期预测方法，其特征在于，步骤（4）中，温度、相
9.根据权利要求2所述的一种蒸发波导融合短期预测方法，其特征在于，步骤（3）中，蒸发波导高度参考值的计算方法如下：
10.一种蒸发波导融合短期预测系统，采用如权利要求1-9中任一项所述的蒸发波导融合短期预测方法，其特征在于，包括传感器模块，数据采集模块、数据存储模块、数据处理模块、数据预测模块、数据传输模块和供电模块；
...【技术特征摘要】
1.一种蒸发波导融合短期预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种蒸发波导融合短期预测方法，其特征在于，步骤三的具体方法包括如下步骤：
3.根据权利要求2所述的一种蒸发波导融合短期预测方法，其特征在于，步骤（4）中，多特征融合建模以及蒸发波导高度短期预测的方法如下：
4.根据权利要求1所述的一种蒸发波导融合短期预测方法，其特征在于，步骤二中，观测数据处理的方法包括如下步骤：
5.根据权利要求4所述的一种蒸发波导融合短期预测方法，其特征在于，所述时间匹配的方法包括内插法、最小二乘法、拉格朗日插值法、卡尔曼滤波法。
6.根据权利要求4所述的一种蒸发波导融合短期预测方法，其特征在于，所述异常检测的方法包括grubbs准则、孤立森林算法、自编码器模型方法。<...
【专利技术属性】
技术研发人员：仇志金，张诚，范晨，宋国庆，邹靖，胡桐，李志乾，王波，
申请(专利权)人：山东省科学院海洋仪器仪表研究所，
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。