System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。