【技术实现步骤摘要】
本专利技术涉及气候模拟，并且更具体地，涉及一种用于订正气候网格化模拟数据的方法及系统。
技术介绍
1、气候网格化模拟数据不同于散点式观测数据，主要用来反映全空间的气象条件。与散点式观测数据相比，其主要优点在于能覆盖不存在观测站点的位置，是进行天气分析和气候预测的重要数据支撑。其中网格化指的是空间均匀的离散化网格点，在每个网格点上均有一段时间内的观测/预报时间序列。
2、网格化数据来源于专业的气象研究和业务机构，一般基于大气数值模·式计算得到，其中需要输入必要的气象观测信息。目前世界上最常用的气候网格化数据是欧洲中期数值天气预报中心ecmwf(european centre for medium-range weather forecasts)气候模拟数据，也称为再分析数据era5(ecmwf reanalysis 5)，数据时间范围为1979年至今，时间分辨率为逐小时，空间分辨率0.25°×0.25°，空间范围覆盖全球。此外，美国国家大气海洋局noaa(national oceanic and atmospheric agency)的cfsr(climate forecastsystem reanalysis)气候模拟数据也较为著名。era5和cfsr数据目前被广泛用于气候分析、风能和太阳能资源评估等领域。
3、然而，由于大气数值模式本身存在的复杂非线性特征，以及存在观测数据不足等问题，导致气候模拟数据不可避免的存在误差，为气候分析、风光资源评估带来了不确定性。为了降低模拟误差、提升准确度，人们引入了许多
4、综上，现有的气候网格化模拟数据存在误差，而误差订正方法均存在相同的局限，即仅限于订正观测站点局地网格点，无法订正周围其他网格点的模拟数据，使得观测数据的空间订正效果较为有限，数据整体精度提升效果有限。
技术实现思路
1、针对上述问题，本专利技术提出了一种用于订正气候网格化模拟数据的方法，包括：
2、针对目标区域的气候观测数据空间，基于目标区域的气候观测数据及聚类算法，对所述气候观测数据空间分区，得到所述气候观测数据空间的多个分区；
3、将所述气候观测数据作为目标数据，将目标区域的气候网格化模拟数据作为训练背景数据，以目标数据和训练背景数据，对在不同分区下每个网格点的地理加权回归模型进行训练，得到订正回归模型；
4、获取目标气候观测数据附近的气候网格化模拟数据，将所述气候网格化模拟数据待订正的目标数据，将所述待订正的目标数据输入至订正回归模型，基于所述订正回归模型，对所述待订正的目标数据进行订正，得到订正的气候网格化模拟数据。
5、可选的，针对目标区域的气候观测数据空间，基于目标区域的气候观测数据及聚类算法，对所述气候观测数据空间分区，得到所述气候观测数据空间的多个分区，包括：
6、基于气候观测数据，确定所述气候观测数据空间的分区数量；
7、基于气候观测数据，确定气候的要素水平及空间距离；
8、基于聚类算法，根据确定的气候的要素水平及空间距离，按照所述分区数量，将所述气候观测数据空间分区，得到所述气候观测数据空间的多个分区。
9、可选的，将所述气候观测数据作为目标数据，将目标区域的气候网格化模拟数据作为训练背景数据，以目标数据和训练背景数据，对在不同分区下每个网格点的地理加权回归模型进行训练，得到订正回归模型，包括：
10、构建不同分区下每个网格点的地理加权回归模型；
11、将目标区域的气候网格化模拟数据作为训练背景数据，以目标数据和训练背景数据，输入至所述地理加权回归模型进行训练，得到每个网格点的模型参数；
12、以所述模型参数对所述地理加权回归模型进行调整，以得到订正回归模型。
13、可选的，模型参数，包括：回归参数、回归截距参数和随机误差参数。
14、再一方面，本专利技术还提出了一种用于订正气候网格化模拟数据的系统，包括：
15、分区单元，用于针对目标区域的气候观测数据空间，基于目标区域的气候观测数据及聚类算法，对所述气候观测数据空间分区，得到所述气候观测数据空间的多个分区；
16、模型训练单元，将所述气候观测数据作为目标数据，将目标区域的气候网格化模拟数据作为训练背景数据，以目标数据和训练背景数据，对在不同分区下每个网格点的地理加权回归模型进行训练，得到订正回归模型；
17、订正单元，用于获取目标气候观测数据附近的气候网格化模拟数据，将所述气候网格化模拟数据待订正的目标数据，将所述待订正的目标数据输入至订正回归模型，基于所述订正回归模型，对所述待订正的目标数据进行订正，得到订正的气候网格化模拟数据。
18、可选的，分区单元，具体用于：
19、基于气候观测数据，确定所述气候观测数据空间的分区数量；
20、基于气候观测数据，确定气候的要素水平及空间距离；
21、基于聚类算法，根据确定的气候的要素水平及空间距离，按照所述分区数量，将所述气候观测数据空间分区，得到所述气候观测数据空间的多个分区。
22、可选的，模型训练单元，具体用于：
23、构建不同分区下每个网格点的地理加权回归模型；
24、将目标区域的气候网格化模拟数据作为训练背景数据，以目标数据和训练背景数据，输入至所述地理加权回归模型进行训练，得到每个网格点的模型参数；
25、以所述模型参数对所述地理加权回归模型进行调整，以得到订正回归模型。
26、可选的，模型训练单元，得到的每个网格点的模型参数，包括：回归参数、回归截距参数和随机误差参数。
27、再一方面，本专利技术还提供了一种计算设备，包括：一个或多个处理器；
28、处理器，用于执行一个或多个程序；
29、当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的方法。
30、再一方面，本专利技术还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的方法。
31、与现有技术相比，本专利技术的有益效果为：
32、本专利技术提供了一种用于订正气候网格化模拟数据的方法，包括：针对目标区域的气候观测数据空间，基于目标区域的气候观测数据及聚类算法，对所述气候观测数据空间分区，得到所述气候观本文档来自技高网...
【技术保护点】
1.一种用于订正气候网格化模拟数据的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述针对目标区域的气候观测数据空间，基于目标区域的气候观测数据及聚类算法，对所述气候观测数据空间分区，得到所述气候观测数据空间的多个分区，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述气候观测数据作为目标数据，将目标区域的气候网格化模拟数据作为训练背景数据，以目标数据和训练背景数据，对在不同分区下每个网格点的地理加权回归模型进行训练，得到订正回归模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述模型参数，包括：回归参数、回归截距参数和随机误差参数。
5.一种用于订正气候网格化模拟数据的系统，其特征在于，所述系统包括：
6.根据权利要求5所述的系统，其特征在于，所述分区单元，具体用于：基于气候观测数据，确定所述气候观测数据空间的分区数量；基于气候观测数据，确定气候的要素水平及空间距离；基于聚类算法，根据确定的气候的要素水平及空间距离，按照所述分区数量，将所述气候观测数据空间分区，得到所述气
7.根据权利要求5所述的系统，其特征在于，所述模型训练单元，具体用于：
8.根据权利要求7所述的系统，其特征在于，所述模型训练单元得到的每个网格点的模型参数，包括：回归参数、回归截距参数和随机误差参数。
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1-4中任一所述的方法。
...【技术特征摘要】
1.一种用于订正气候网格化模拟数据的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述针对目标区域的气候观测数据空间，基于目标区域的气候观测数据及聚类算法，对所述气候观测数据空间分区，得到所述气候观测数据空间的多个分区，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述气候观测数据作为目标数据，将目标区域的气候网格化模拟数据作为训练背景数据，以目标数据和训练背景数据，对在不同分区下每个网格点的地理加权回归模型进行训练，得到订正回归模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述模型参数，包括：回归参数、回归截距参数和随机误差参数。
5.一种用于订正气候网格化模拟数据的系统，其特征在于，所述系统包括：
...
【专利技术属性】
技术研发人员：宋宗朋，刘晓琳，王勃，王姝，靳双龙，柴荣繁，滑申冰，马振强，高京娜，王铮，车建峰，王钊，赵艳青，姜文玲，丁禹，陈帅，
申请(专利权)人：中国电力科学研究院有限公司，
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。