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】
本专利技术涉及水文预报领域,具体涉及基于改进高斯混合模型的多集合成员预报融合校正方法。
技术介绍
1、传统的水文预报主要采用统计学方法、动力学方法以及统计-动力相结合的方式产生确定性/单值预报,无法量化预报的不确定度。近年来,结合未来气象预报信息及概率特征的集合预报逐渐成为水文预报研究与应用的新方向。集合预报是指包括多个不同初始条件、初始扰动、边界条件、参数化方案等的集合成员预报,对同一时刻或时期进行气象-水文要素预报,从而得到一系列结果集合的预报方法。
2、然而,原始集合成员预报产品由于模型结构、模型参数、模型输入等多种来源的不确定性,常表现出明显偏大或偏小的系统误差、概率预报区间过宽或过窄等问题,无法直接被水文工作者使用。为此,研究一种纠正原始集合成员预报中的系统误差、准确生成变量时空相依结构的多集合成员预报融合校正方法,既可以集合成员均值/分位数的方式提供确定性预报结果,也可以置信区间表征所有集合成员的预报状态量化预报的不确定度,是目前学科发展的重点与难点。
技术实现思路
1、为了解决现有技术中存在的问题,本专利技术提出基于改进高斯混合模型的多集合成员预报融合校正方法,能够有效提高多集合成员融合校正预报的准确度。
2、本专利技术采用的技术方案为:
3、基于改进高斯混合模型的多集合成员预报融合校正方法,包括以下步骤:
4、s1、进行数据一致性匹配:若实测序列为站点要素,集合成员预报为格点要素,采用克里金插值法处理集合成员;若实测序
5、s2、构建改进高斯混合模型:采用经验累积分布函数法校正各集合成员预报的系统偏差,利用正态分位数转换法确保各集合成员预报与实测序列同步耦合为二元联合正态分布,预设先验分布与交叉验证似然函数,理论推导构建后验概率分布,形成改进高斯混合模型;
6、s3、综合输出多形式预报成果:采用初始化参数方案提高计算速度并减少误差干扰,利用极大期望法迭代求解法求得各集合成员权重的最大后验概率,并以概率性预报与确定性预报两种形式综合输出多集合成员预报融合校正结果。
7、进一步地,在所述步骤s1中:
8、所述克里金插值法,定义如下:
9、 (1)
10、式中:
11、为待求点在纬度为经度为的真实值;
12、为待求点在纬度为经度为的估计值;
13、为已知点在纬度为经度为的真实值。
14、所述双线性插值法,定义如下:
15、 (2)
16、为距离最近四点处的真实值。
17、进一步地,在所述步骤s2中:
18、所述经验累积分布函数法,定义如下:
19、 (3)
20、式中:
21、为集合成员校正前结果;
22、为集合成员校正后的结果;
23、为第个集合成员的经验累积分布函数;
24、为实测序列的经验累积分布函数的反函数;
25、为第个集合成员某一分位数在实测序列该分位数下的值;
26、为偏差校正值,采用最小二乘回归法对两类经验累积分布函数进行拟合,并选择线性插值进行传递值的拟合。
27、所述正态分位数转换法,定义如下:
28、 (4)
29、式中:
30、为真实空间中的实测序列;
31、为真实空间中第个集合成员的预测序列;
32、为正态空间中的实测序列;
33、为正态空间中第个集合成员的预测序列;
34、为待估计的转换参数。
35、所述二元联合正态分布,定义如下:
36、<mstyle displaystyle="true" mathcolor="#000000"><mtable columnalign="left"><mtr><mtd><mover accent="true"><mi>f</mi><mo>^</mo></mover><mi>=</mi><mrow><mo>[</mo><mtable columnalign="left"><mtr><mtd><mover accent="true"><mi>x</mi><mo>^</mo></mover></mtd></mtr><mtr><mtd><mover accent="true"><mi>y</mi><mo>^</mo></mover></mtd></mtr></mtable><mo>]</mo></mrow><mi>~</mi><mi>n</mi><mrow><mo>(</mo><mrow><mi>μ</mi><mi>,</mi><mi>∑</mi></mrow><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mi>μ</mi><mi>=</mi><mrow><mo>[</mo><mtable columnalign="left"><mtr><mtd><mi>μ</mi></mtd></mtr><mtr><mtd><msub><mi>μ</mi><mi>k</mi></msub></mtd></mtr></mtable><mo>]</mo></mrow><mi></mi><mi>∑</mi><mi>=</mi><mrow><mo>[</mo><mtable columnalign="left"><mtr><m本文档来自技高网...
【技术保护点】
1.基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S1中,
3.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S1中,
4.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S2中,
5.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S2中,
6.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S2中,
7.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S2中,
8.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S3中,
9.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,
10.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤S3中,
...【技术特征摘要】
1.基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤s1中,
3.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤s1中,
4.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤s2中,
5.根据权利要求1所述的基于改进高斯混合模型的多集合成员预报融合校正方法,其特征在于:在所述步骤s2中,
6.根...
【专利技术属性】
技术研发人员:郦于杰,葛灿,李兰,周衍银,卢晓燕,陈鑫涛,陈秀秀,
申请(专利权)人:浙江省水利水电勘测设计院有限责任公司,
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。