一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法
【專利摘要】一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，包括如下步驟：⑴對大尺度氣象預(yù)報(bào)因子篩選，得出代表性的因子；⑵判斷已有逐日降雨數(shù)據(jù)干濕天狀態(tài)，處理數(shù)據(jù)。運(yùn)用支持向量機(jī)，先構(gòu)建降雨?duì)顟B(tài)與對應(yīng)氣象因子分類關(guān)系，再對濕天降雨與氣象因子構(gòu)建統(tǒng)計(jì)關(guān)系；⑶使用已有分類關(guān)系，通過氣象預(yù)報(bào)因子，對未來日降雨?duì)顟B(tài)分類；⑷使用已有統(tǒng)計(jì)關(guān)系，通過氣象預(yù)報(bào)因子，擬合出未來有雨日降雨數(shù)據(jù)；⑸對數(shù)據(jù)還原處理，得到預(yù)報(bào)的降雨序列。其優(yōu)點(diǎn)是：本發(fā)明方法效果優(yōu)于傳統(tǒng)統(tǒng)計(jì)降尺度方法，尤其在進(jìn)行溫度降尺度時(shí)，優(yōu)勢明顯；本發(fā)明方法效果優(yōu)于傳統(tǒng)統(tǒng)計(jì)降尺度方法；運(yùn)算量較小，使用方便，擅于處理大量多批次數(shù)據(jù)；可進(jìn)行有無雨日的區(qū)分，具有更高精度；對降雨加入隨機(jī)值，對暴雨的擬合精度更好。
【專利說明】一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及統(tǒng)計(jì)降尺度方法，具體的說是一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法。
【背景技術(shù)】
[0002]降尺度方法就是將大尺度的預(yù)報(bào)因子經(jīng)過一系列處理，降解到小尺度區(qū)域上，使之能夠與水文模型輸入的尺度匹配。降尺度方法主要分為動力降尺度與統(tǒng)計(jì)降尺度兩種。相較于動力降尺度，統(tǒng)計(jì)降尺度方法的計(jì)算量較小，并且模型算法的構(gòu)建相對簡單，有眾多形式較為靈活的模型可供選擇。
[0003]現(xiàn)有統(tǒng)計(jì)降尺度方法存在以下不足:(1)回歸精度不夠，擬合能力不強(qiáng)，運(yùn)算量不精簡；(2)在少量樣本下，傳統(tǒng)的統(tǒng)計(jì)方法難以取得理想的回歸效果。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，研究一種以支持向量機(jī)(Support VectorMachine，SVM)作為回歸核心、主成分分析法作為篩選大尺度預(yù)報(bào)因子的基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法。
[0005]一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，包括如下步驟:
[0006]⑴對大尺度氣象預(yù)報(bào)因子進(jìn)行篩選降維，處理得出預(yù)報(bào)因子中代表性較強(qiáng)的因子;
[0007]⑵使用給定降雨閾值判斷降雨?duì)顟B(tài)，大于閾值為濕天，即為有雨?duì)顟B(tài)，小于閾值為干天，即為無雨?duì)顟B(tài)；處理實(shí)測降雨數(shù)據(jù)，使用支持向量機(jī)構(gòu)建實(shí)測的降雨?duì)顟B(tài)與當(dāng)天氣象因子的分類關(guān)系，對濕天降雨數(shù)據(jù)與使用主成分分析法篩選后的大尺度氣象預(yù)報(bào)因子應(yīng)用支持向量機(jī)建立統(tǒng)計(jì)關(guān)系；
[0008]⑶使用已有分類關(guān)系，對未來氣候變化情景下的每日降雨?duì)顟B(tài)應(yīng)用支持向量機(jī)通過大尺度預(yù)報(bào)因子進(jìn)行分類，判斷干濕天；
[0009]⑷使用已有統(tǒng)計(jì)關(guān)系，對有雨日降雨通過預(yù)測大尺度預(yù)報(bào)因子進(jìn)行擬合，得出未來氣候變化情景下的模擬降雨資料；
[0010](5)對降雨數(shù)據(jù)進(jìn)行還原處理，得到預(yù)報(bào)的降雨序列。
[0011]所述步驟⑵中的處理數(shù)據(jù)是指利用自然對數(shù)函數(shù)進(jìn)行處理，以減小階數(shù)關(guān)系產(chǎn)生的誤差影響。
[0012]所述步驟(5)中的處理是指利用自然指數(shù)函數(shù)進(jìn)行處理，將序列數(shù)還原。
[0013]一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，包括如下步驟:
[0014]⑴對大尺度氣象預(yù)報(bào)因子進(jìn)行篩選降維，處理得出預(yù)報(bào)因子中代表性較強(qiáng)的因子;
[0015]⑵處理實(shí)測溫度數(shù)據(jù)，對溫度數(shù)據(jù)與使用主成分分析法篩選后的大尺度氣象預(yù)報(bào)因子應(yīng)用支持向量機(jī)建立統(tǒng)計(jì)關(guān)系；[0016]⑶使用已有統(tǒng)計(jì)關(guān)系，通過預(yù)測大尺度預(yù)報(bào)因子進(jìn)行擬合，得出未來氣候變化情景下的模擬溫度資料；
[0017]⑷對溫度數(shù)據(jù)進(jìn)行還原處理，得到預(yù)報(bào)的溫度序列。
[0018]所述步驟⑵中的處理數(shù)據(jù)是指利用自然對數(shù)函數(shù)進(jìn)行處理，以減小階數(shù)關(guān)系產(chǎn)生的誤差影響。
[0019]所述步驟⑷中的處理是指利用自然指數(shù)函數(shù)進(jìn)行處理，將序列數(shù)還原。
[0020]由于降雨的特殊性，降雨降尺度較溫度降尺度多一步判別有無雨日的步驟。所以其余氣象要素的降尺度方式，一般皆采用溫度降尺度的方法進(jìn)行降尺度。
[0021]本發(fā)明基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法的優(yōu)點(diǎn)是:
[0022]1、本發(fā)明方法效果優(yōu)于傳統(tǒng)統(tǒng)計(jì)降尺度方法，尤其在進(jìn)行溫度降尺度時(shí)，優(yōu)勢明顯；
[0023]2、本發(fā)明方法運(yùn)算量較為簡單，使用方便，擅于處理大量多批次數(shù)據(jù)，實(shí)用性較強(qiáng)。
[0024]3、本發(fā)明方法可以進(jìn)行有雨天與無雨天的區(qū)分，具有更高的運(yùn)算效率與擬合精度。
[0025]4、本發(fā)明方法可以對降雨進(jìn)行隨機(jī)強(qiáng)化，使對暴雨的擬合精度更好。
【專利附圖】

【附圖說明】
[0026]圖1為本發(fā)明方法中降雨降尺度的流程框圖。
[0027]圖2為本發(fā)明方法中溫度降尺度的流程框圖。
【具體實(shí)施方式】
[0028]本發(fā)明基于支持向量機(jī)(SVM)回歸模型對大尺度氣象因子與降水、溫度等水文氣候進(jìn)行耦合，建立統(tǒng)計(jì)降尺度模型，在現(xiàn)有統(tǒng)計(jì)降尺度模型下，對統(tǒng)計(jì)降尺度模型進(jìn)行算法優(yōu)化，尋求更高的耦合效果與高效的運(yùn)算過程。
[0029]下面通過實(shí)例，并結(jié)合附圖，對本發(fā)明的技術(shù)方案做進(jìn)一步具體說明。
[0030]步驟1，預(yù)報(bào)因子的選擇:
[0031]主成分分析法(Principal Component Analysis,簡稱PCA)是一種掌握事物主要矛盾的統(tǒng)計(jì)分析方法，它可以從多元事物中解析出主要影響因素，揭示事物的本質(zhì)，簡化復(fù)雜的問題。計(jì)算主成分的目的是將高維數(shù)據(jù)投影到較低維空間。PCA已經(jīng)被廣泛應(yīng)用在統(tǒng)計(jì)降尺度預(yù)測因子的降維和壓縮上，能夠?qū)⒃瓉磔^多的預(yù)測因子簡化為少數(shù)幾個新的綜合指標(biāo)因子。給定η個預(yù)測因子的m個觀察值，形成一個mXn數(shù)據(jù)矩陣。對于由多個預(yù)測因子描述的大氣環(huán)流模式，很難分清每個因子的主次性。在一般情況下，并不能直接找出這樣的關(guān)鍵引子，這時(shí)可以用原有變量的線性組合來表示大氣環(huán)流模式的主要方面，PCA就是這樣一種分析方法。
[0032]應(yīng)用主成分分析法(Principal Component Analysis,簡稱PCA)對美國國家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction,簡稱 NCEP)預(yù)報(bào)因子 X 進(jìn)行主分量分析步驟:
[0033](I)計(jì)算矩陣X的協(xié)方差矩陣S:
【權(quán)利要求】
1.一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，其特征在于包括如下步驟: ⑴對大尺度氣象預(yù)報(bào)因子進(jìn)行篩選降維，處理得出預(yù)報(bào)因子中代表性較強(qiáng)的因子； ⑵使用給定降雨閾值判斷降雨?duì)顟B(tài)，大于閾值為濕天，即為有雨?duì)顟B(tài)，小于閾值為干天，即為無雨?duì)顟B(tài)；處理實(shí)測降雨數(shù)據(jù)，使用支持向量機(jī)構(gòu)建實(shí)測的降雨?duì)顟B(tài)與當(dāng)天氣象因子的分類關(guān)系，對濕天降雨數(shù)據(jù)與使用主成分分析法篩選后的大尺度氣象預(yù)報(bào)因子應(yīng)用支持向量機(jī)建立統(tǒng)計(jì)關(guān)系； ⑶使用已有分類關(guān)系，對未來氣候變化情景下的每日降雨?duì)顟B(tài)應(yīng)用支持向量機(jī)通過大尺度預(yù)報(bào)因子進(jìn)行分類，判斷干濕天； ⑷使用已有統(tǒng)計(jì)關(guān)系，對有雨日降雨通過預(yù)測大尺度預(yù)報(bào)因子進(jìn)行擬合，得出未來氣候變化情景下的模擬降雨資料； 對降雨數(shù)據(jù)進(jìn)行還原處理，得到預(yù)報(bào)的降雨序列。
2.如權(quán)利要求1所述的基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，其特征在于:所述步驟⑵中的處理數(shù)據(jù)是指利用自然對數(shù)函數(shù)進(jìn)行處理。
3.如權(quán)利要求1所述的基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，其特征在于:所述步驟(5)中的處理是指利用自然指數(shù)函數(shù)進(jìn)行處理，將序列數(shù)還原。
4.一種基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，其特征在于包括如下步驟: ⑴對大尺度氣象預(yù)報(bào)因子進(jìn)行篩選降維，處理得出預(yù)報(bào)因子中代表性較強(qiáng)的因子； ⑵處理實(shí)測溫度數(shù)據(jù)，對溫度數(shù)據(jù)與使用主成分分析法篩選后的大尺度氣象預(yù)報(bào)因子應(yīng)用支持向量機(jī)建立統(tǒng)計(jì)關(guān)系； ⑶使用已有統(tǒng)計(jì)關(guān)系，通過預(yù)測大尺度預(yù)報(bào)因子進(jìn)行擬合，得出未來氣候變化情景下的模擬溫度資料； ⑷對溫度數(shù)據(jù)進(jìn)行還原處理，得到預(yù)報(bào)的溫度序列。
5.如權(quán)利要求4所述的基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，其特征在于:所述步驟⑵中的處理數(shù)據(jù)是指利用自然對數(shù)函數(shù)進(jìn)行處理。
6.如權(quán)利要求4所述的基于支持向量機(jī)算法的統(tǒng)計(jì)降尺度方法，其特征在于:所述步驟⑷中的處理是指利用自然指數(shù)函數(shù)進(jìn)行處理，將序列數(shù)還原。
【文檔編號】G06F19/00GK103838979SQ201410116120
【公開日】2014年6月4日 申請日期:2014年3月26日 優(yōu)先權(quán)日:2014年3月26日
【發(fā)明者】陳華, 侯雨坤, 黃逍 申請人:武漢大學(xué)