技術(shù)特征：

1.一種基于差異修正的景區(qū)旅游氣象災(zāi)害智能預(yù)測方法，其特征在于，包括以下步驟：

步驟一、收集目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的歷史數(shù)據(jù)，其包括目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的時間和發(fā)生該氣象災(zāi)害的氣象要素數(shù)據(jù)，建立目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的歷史氣象要素數(shù)據(jù)庫HDB；收集目標(biāo)景區(qū)發(fā)生氣象災(zāi)害時目標(biāo)景區(qū)所屬地區(qū)的氣象要素數(shù)據(jù)，建立目標(biāo)景區(qū)所屬地區(qū)的歷史氣象要素數(shù)據(jù)庫RDB；

步驟二、根據(jù)目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的類型，將HDB中的氣象要素數(shù)據(jù)進(jìn)行分類，并對同類型的氣象要素數(shù)據(jù)進(jìn)行偏相關(guān)分析，確定目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的主要氣象要素，建立目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的主要氣象要素集Fs；在RDB中選取與Fs內(nèi)的氣象要素類型相同的氣象要素，建立目標(biāo)景區(qū)所屬地區(qū)發(fā)生的氣象災(zāi)害的主要氣象要素集RFs；

步驟三、從HDB中提取Fs對應(yīng)的氣象要素數(shù)據(jù)，建立目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的主要氣象要素數(shù)據(jù)集合X_Fs；從RDB中提取RFs對應(yīng)的氣象要素數(shù)據(jù)，建立目標(biāo)景區(qū)所屬地區(qū)發(fā)生的氣象災(zāi)害的主要氣象要素數(shù)據(jù)集合X_RFs；分別計算X_Fs中的每一個氣象要素數(shù)據(jù)和X_RFs中與X_Fs中的氣象要素數(shù)據(jù)相對應(yīng)的氣象要素數(shù)據(jù)的差值，得到差異集X_DFs；

步驟四、以X_RFs中的數(shù)據(jù)作為數(shù)據(jù)樣本，使用基因表達(dá)式編程算法分別計算目標(biāo)景區(qū)的每一種氣象災(zāi)害與主要氣象要素之間的映射關(guān)系函數(shù)，進(jìn)而得到氣象災(zāi)害與主要氣象要素之間的映射關(guān)系函數(shù)集G₁；

步驟五、以X_DFs中的數(shù)據(jù)作為數(shù)據(jù)樣本，使用基因表達(dá)式編程算法分別計算目標(biāo)景區(qū)的每一種氣象災(zāi)害與主要氣象要素之間的差異映射關(guān)系函數(shù)，進(jìn)而得到氣象災(zāi)害與主要氣象要素之間的差異映射關(guān)系函數(shù)集G₂；

步驟六、將G₁中的每一個數(shù)據(jù)和G₂中與該數(shù)據(jù)對應(yīng)的數(shù)據(jù)相加，得到預(yù)測函數(shù)集G₃；

步驟七、對G₃中的預(yù)測函數(shù)進(jìn)行F檢驗，如果顯著水平P不能滿足P＜設(shè)定閾值，則該預(yù)測函數(shù)不符合要求，從G₃中剔除該預(yù)測函數(shù)，否則保留該預(yù)測函數(shù)，完成剔除后得到的函數(shù)集，即為目標(biāo)景區(qū)氣象災(zāi)害的預(yù)測模型G；

步驟八、根據(jù)氣象部門發(fā)布的數(shù)值預(yù)報模式的實時數(shù)據(jù)，并從中選出RFs中相對應(yīng)的氣象要素值，輸入到G中，即可計算得到目標(biāo)景區(qū)氣象災(zāi)害的預(yù)測結(jié)果。

2.如權(quán)利要求1所述的基于差異修正的景區(qū)旅游氣象災(zāi)害智能預(yù)測方法，其特征在于，所述步驟二中確定目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的主要氣象要素的具體方法為：

對同類型的氣象要素數(shù)據(jù)進(jìn)行偏相關(guān)分析后，進(jìn)行偏相關(guān)系數(shù)檢驗，通過給定信度檢驗的偏相關(guān)性較好的氣象要素即為目標(biāo)景區(qū)發(fā)生的氣象災(zāi)害的主要氣象要素。

3.如權(quán)利要求1所述的基于差異修正的景區(qū)旅游氣象災(zāi)害智能預(yù)測方法，其特征在于，所述步驟四中使用基因表達(dá)式編程算法分別計算目標(biāo)景區(qū)的各氣象災(zāi)害與主要氣象要素之間的映射關(guān)系函數(shù)的方法包括以下步驟：

步驟a、基因表達(dá)式編程算法程序讀入數(shù)據(jù)樣本，輸入種群大小、基因頭長度、基因尾長度、函數(shù)最大操目數(shù)、基因數(shù)、最大迭代數(shù)、最大適應(yīng)度值、變異率、插串率和重組率，基因表達(dá)式編程算法程序根據(jù)基因表達(dá)式編程染色體和基因的定義自動生成初始種群；

步驟b、基因表達(dá)式編程算法程序進(jìn)行適應(yīng)度計算，以染色體為個體，并分別計算各個個體的適應(yīng)度，適應(yīng)度的計算公式如下：

$R_i=1-\frac{SSE}{SST}$

$SSE=\underset{j=1}{\overset{m}{\Σ}}{(y_j-{\hat{y}}_j)}^2$

$SST=\underset{j=1}{\overset{m}{\Σ}}{(y_j-\stackrel{\‾}{y})}^2$

其中，

R_i為第i個體的適應(yīng)度，0≤R_i≤1；

SSE為殘差平方和；

m為目標(biāo)發(fā)生的氣象災(zāi)害的總記錄次數(shù)；

y_j為以X_RFs中的數(shù)據(jù)作為數(shù)據(jù)樣本，其中存儲的第j次氣象災(zāi)害；

為變量y_j關(guān)于函數(shù)y的估計值；

SST為總離差平方和；

為變量y_j的平均值；

步驟c、若步驟b中計算得到的個體的適應(yīng)度達(dá)到步驟a中輸入的最大適應(yīng)度值，則將種群中的最優(yōu)個體的表現(xiàn)型按樹的中序遍歷方法解析表達(dá)式樹為數(shù)學(xué)表達(dá)式，其中，在所有個體中適應(yīng)度最大的個體為最優(yōu)個體，所得數(shù)學(xué)表達(dá)式即為目標(biāo)景區(qū)的一種氣象災(zāi)害與主要氣象要素之間的映射關(guān)系函數(shù)；若步驟b中計算得到的個體的適應(yīng)度未達(dá)到步驟a中輸入的最大適應(yīng)度值，則繼續(xù)

步驟d、以最優(yōu)個體作為最優(yōu)染色體，保留最優(yōu)染色體進(jìn)行遺傳操作，并根據(jù)達(dá)爾文的適者生存原則選擇產(chǎn)生下一代染色體，將得到的下一代染色體作為個體重復(fù)步驟b到步驟c。

4.如權(quán)利要求3所述的基于差異修正的景區(qū)旅游氣象災(zāi)害智能預(yù)測方法，其特征在于，所述步驟a中基因表達(dá)式編程算法的基因用長度固定的符串來表示，由頭部和尾部兩部分組成，頭部包含函數(shù)符號和終結(jié)符號，尾部包含終結(jié)符號，尾部長度t和頭部長度h之間滿足方程：t＝h*(n-1)+1。

5.如權(quán)利要求3所述的基于差異修正的景區(qū)旅游氣象災(zāi)害智能預(yù)測方法，其特征在于，所述步驟a中的基因表達(dá)式編程算法程序采用多基因染色體的方式構(gòu)成染色體，每個氣象要素用一個基因表示。

6.如權(quán)利要求3所述的基于差異修正的景區(qū)旅游氣象災(zāi)害智能預(yù)測方法，其特征在于，所述步驟d中根據(jù)達(dá)爾文的適者生存原則產(chǎn)生下一代染色體的步驟為：

步驟1)、保留最優(yōu)染色體；

步驟2)、選擇染色體進(jìn)行復(fù)制，可選用輪盤賭選擇法或錦標(biāo)賽選擇法對染色體進(jìn)行選擇；

步驟3)、對步驟2)中得到的染色體依概率進(jìn)行交叉重組、變異、插串和倒串等遺傳操作，得到下一代染色體。

7.如權(quán)利要求1所述的基于差異修正的景區(qū)旅游氣象災(zāi)害智能預(yù)測方法，其特征在于，所述步驟七中的設(shè)定閾值為0.01。