CN105809321A - 地面气象观测站采集气温数据的质量控制方法 - Google Patents

Abstract

本发明涉及地面气象观测站采集气温数据的质量控制方法，该方法对一定区域范围内地面气象观测站数据进行采集，然后对采集的数据做基本质量控制后，根据相关系数对邻近站观测数据加权处理并利用SVM构建质量控制回归模型，最后通过对比预测值与实际值的差异大小来实现对实际值的质量控制。有益效果：通过邻近站观测数据，利用改进的支持向量机技术构建基于邻近站观测数据的非线性气象数据质量控制模型，拓展了传统多站质量控制方法，能够提高地面气象观测站数据在长期气候研究和短时预报的可靠性。

Description

地面气象观测站采集气温数据的质量控制方法

技术领域

本发明涉及地面气象观测站采集数据的质量控制领域，尤其涉及一种地面气象观测站采集气温数据的质量控制方法。

背景技术

地面自动气象观测站具有站点分布密集、观测频率高、时效性强以及在观测时间上的序列性和空间上的连续性等特点，一方面为气候、气象研究分析以及数值天气预报提供了基本的数据资料；另一方面，建立适当规模的自动气象观测网络对于中小尺度灾害性天气预报具有重要的意义。

地面气象观测数据传统质量控制一般分为两类，一是基于单站的质量控制法，主要包括界限值检查、气候极值检查、内部一致性检查、时变性检查、空间一致性检查、特殊天气事件检查等；二是基于多站的质量控制法，主要包括反距离加权法和空间回归法等。现有的气象观测站采用单站的质量控制法，经实践表明单站的质量控制方法效果较通过邻近站联网的多站质量控制方法效果存在明显的不足。

发明内容

本发明目的在于克服以上现有技术之不足，提出一种基于支持向量机的地面气象观测站采集气温数据的质量控制方法，解决了目前基于邻站地面气象数据质量控制方法结构单一、非线性、不稳定的问题，具体由以下技术方案实现：

所述地面气象观测站采集气温数据的质量控制方法，其特征在于包括如下步骤：

步骤1)采集与采样时间相对应的目标地面气象观测站的温度数据x₀(t)，t＝1，2，3，…，T，其中t为采样时间，T为大于0的自然数；

步骤2)采集与采样时间相对应的邻近地面气象观测站的温度数据x_i(t)，i＝1，2，3，…，n，其中，n为邻近站数目；

步骤3)对x₀(t)，x_i(t)进行基本质量控制，得到基本控制后的数据 取采样时间为1至j对应的温度数据作为训练集U，取采样时间为j+1至T对应的温度数据作为测试集L，其中j为最接近的自然数；

步骤4)计算地面气象观测站温度数据与邻近地面气象观测站温度数据的相关系数Corr_i；

步骤5)根据相关系数Corr_i对邻近地面气象观测站温度数据赋权，得到赋权后的邻近地面气象观测站温度数据

步骤6)以作为训练样本集，建立与所述训练样本集对应的支持向量机回归预测模型，对测试集L中目标地面气象观测站温度数据进行预测；

步骤7.通过对比预测值与实际值的差异大小来实现对实际值的质量控制。

所述地面气象观测站采集气温数据的质量控制方法的进一步设计在于，步骤3)中所述基本质量控制包括界限值检查、气候极值检查、内部一致性检查、时变性检查、空间一致性检查、特殊天气事件检查。

所述地面气象观测站采集气温数据的质量控制方法的进一步设计在于，步骤4)中所述计算目标地面气象观测站温度数据与邻近地面气象观测站温度数据的相关系数Corr_i的计算公式如式(1)：

${\mathrm{Corr}}_i=\frac{l\underset{t=1}{\overset{l}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_0\left(t\right){\stackrel{\‾}{x}}_i\left(t\right)-\underset{t=1}{\overset{l}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_0\left(t\right)\·\underset{t=1}{\overset{l}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_i\left(t\right)}{\sqrt{l\underset{t=1}{\overset{l}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_0^2\left(t\right)-{\left(\underset{t=1}{\overset{l}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_0\right(t\left)\right)}^2}\·\sqrt{l\underset{t=1}{\overset{l}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_0^2\left(t\right)-{\left(\underset{t=1}{\overset{l}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_i\right(t\left)\right)}^2}}---\left(1\right)$

其中l时间序列长度，t为采样时间点。

所述地面气象观测站采集气温数据的质量控制方法的进一步设计在于，步骤5)中所述邻近地面气象观测站温度数据的计算公式如式(2)：

${\tilde{x}}_i\left(t\right)=\frac{{\mathrm{Corr}}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Corr}}_i}\·{\stackrel{\‾}{x}}_i\left(t\right)---\left(2\right).$

所述地面气象观测站采集气温数据的质量控制方法的进一步设计在于，v_j的计算公式如式(3)：

$v_j=\frac{{\mathrm{\ΣIMF}}_j\·\tilde{x}\left(t\right)-\frac{{\mathrm{\ΣIMF}}_j\mathrm{\Σ}\tilde{x}\left(t\right)}{size\left(\tilde{x}\right(t\left)\right)}}{\sqrt{\left(\mathrm{\Σ}{\tilde{x}}^2\right(t)-\frac{{\left(\mathrm{\Σ}\tilde{x}\right(t\left)\right)}^2}{size\left(\tilde{x}\right(t\left)\right)})({\mathrm{\ΣIMF}}_j^2-\frac{{\left({\mathrm{\ΣIMF}}_j\right)}^2}{size\left({\mathrm{IMF}}_j\right)})}}---\left(3\right)$

其中size(IMF_j)分别表示j与IMF_j的时间序列长度。

步骤7)中所述对比预测值与实际值的差异的公式如式(4)：

|Z*(x_i)-Z(x_i)|≤fσ(4)

其中Z*(x_i)为预测值，Z(x_i)为原始值，σ为预测标准误差，f为质量控制参数，如果原始值满足公式(4)则判定原始值为正确值，如果原始值不满足公式(4)则标记原始值为存疑值以实现对原始观测值得质量控制。

本发明的优点如下：

本发明的地面气象观测站采集气温数据的质量控制方法，通过邻近站观测数据，利用改进的支持向量机技术构建基于邻近站观测数据的非线性气象数据质量控制模型，拓展了传统多站质量控制方法，能够提高地面气象观测站数据在长期气候研究和短时预报的可靠性。

附图说明

图1为本发明方法的流程图。

图2为本发明方法与传统质量控制方法MAE、RMSE效果对比图。

图3为本发明质量控制后的数据与传统反距离加权、空间回归方法质量控制后的散点对比图。

具体实施方式

下面对本发明方案进行详细说明。

本实施例的地面气象观测站采集气温数据的质量控制方法，如图1，以下将对南京编号为58238站点为目标站90KM范围内14个邻近站2008年8月份每隔1小时观测一次的温度数据进行实施例分析，进一步说明本发明：

步骤1.采集目标地面气象观测站温度数据x₀(t)，t＝1，2，3，…，T，其中T为采样时间，且T为大于0的自然数，在本实施例中T＝744；

步骤2.采集以目标站为圆心20KM范围内14个邻近地面气象观测站温度数据x_i(t)，i＝1，2，3，…，n，其中t为采样时间，且t为大于0的自然数，n＝14；

步骤3.对x₀(t)，x_i(t)进行基本质量控制包括界限值检查、气候极值检查、内部一致性检查、时变性检查、空间一致性检查、特殊天气事件检查，得到基本控制后的数据取时间序列1至j＝360的数据为训练集U，时间序列361至744的数据为测试集；

步骤4.计算训练集U中经基本质量控制后的目标地面气象观测站温度数据与邻近地面气象观测站温度数据的相关系数Corr_i，其中t＝1，2，3，…，360，i＝1，2，3，…，14，相关系数计算公式为可以得到

步骤5.根据相关系数Corr_i对邻近地面气象观测站温度数据赋权，得到赋权后的邻近地面气象观测站温度数据赋权公式为

步骤6.以以及作为训练样本集，建立与之对应的支持向量机回归预测模型，对测试集L中目标地面气象观测站温度数据进行预测；

步骤7.通过公式|Z*(x_i)-Z(x_i)|≤fσ对比预测值与实际值的差异大小来实现对实际值的质量控制，完成对南京编号为58238站点为目标站2008年8月份每隔1小时观测一次的温度数据质量控制，σ为预测标准误差，f为质量控制参数3。

为分析本发明的有益效果，此处用美国NOAA国家气候数据中心的同时段再分析气温数据作为分析数据，本发明方法(SVM)分别与反距离加权(IDW)、空间回归法(SRT)进行对比，

如图2，本方法得到的平局误差(MAE)、均方根误差(RMSE)明显优于传统的反距离加权法和空间回归法。

通过散点图可以看出本方法得到的回归信息更加符合原始序列，主要信息保持良好，参见图3。

本实施例通过邻近站观测数据，利用改进的支持向量机技术构建基于邻近站观测数据的非线性气象数据质量控制模型，拓展了传统多站质量控制方法，能够提高地面气象观测站数据在长期气候研究和短时预报的可靠性。通过图2、图的3对比分析验证了本发明方法质量控制效果明显以及上述的技术效果。

Claims (6)

1.一种地面气象观测站采集气温数据的质量控制方法，其特征在于包括如下步骤：

步骤1)采集与采样时间相对应的目标地面气象观测站的温度数据x₀(t)，t＝1，2，3，…，T，其中t为采样时间，T为大于0的自然数；

步骤2)采集与采样时间相对应的邻近地面气象观测站的温度数据x_i(t)，i＝1，2，3，…，n，其中，n为邻近站数目；

步骤3)对x₀(t)，x_i(t)进行基本质量控制，得到基本控制后的数据 取采样时间为1至j对应的温度数据作为训练集U，取采样时间为j+1至T对应的温度数据作为测试集L，其中j为最接近的自然数；

步骤4)计算地面气象观测站温度数据与邻近地面气象观测站温度数据的相关系数Corr_i；

步骤5)根据相关系数Corr_i对邻近地面气象观测站温度数据赋权，得到赋权后的邻近地面气象观测站温度数据

步骤6)以作为训练样本集，建立与所述训练样本集对应的支持向量机回归预测模型，对测试集L中目标地面气象观测站温度数据进行预测；

步骤7)通过对比预测值与实际值的差异大小来实现对实际值的质量控制。

2.根据权利要求1所述的地面气象观测站采集气温数据的质量控制方法，其特征在于：步骤3)中所述基本质量控制包括界限值检查、气候极值检查、内部一致性检查、时变性检查、空间一致性检查、特殊天气事件检查。

3.根据权利要求1所述的地面气象观测站采集气温数据的质量控制方法，其特征在于：步骤4)中所述计算目标地面气象观测站温度数据与邻近地面气象观测站温度数据的相关系数Corr_i的计算公式如式(1)：

${\mathrm{Corr}}_i=\frac{l\underset{t=1}{\overset{l}{\Σ}}{\stackrel{\‾}{x}}_0\left(t\right){\stackrel{\‾}{x}}_i\left(t\right)-\underset{t=1}{\overset{l}{\Σ}}{\stackrel{\‾}{x}}_0\left(t\right)\·\underset{t=1}{\overset{l}{\Σ}}{\stackrel{\‾}{x}}_i\left(t\right)}{\sqrt{l\underset{t=1}{\overset{l}{\Σ}}{\stackrel{\‾}{x}}_0^2\left(t\right)-{\left(\underset{t=1}{\overset{l}{\Σ}}{\stackrel{\‾}{x}}_0\right(t\left)\right)}^2}\·\sqrt{l\underset{t=1}{\overset{l}{\Σ}}{\stackrel{\‾}{x}}_0^2\left(t\right)-{\left(\underset{t=1}{\overset{l}{\Σ}}{\stackrel{\‾}{x}}_i\right(t\left)\right)}^2}}---\left(1\right)$

其中l时间序列长度，t为采样时间点。

4.根据权利要求1所述的地面气象观测站采集气温数据的质量控制方法，其特征在于：步骤5)中所述邻近地面气象观测站温度数据的计算公式如式(2)：

${\tilde{x}}_i\left(t\right)=\frac{{\mathrm{Corr}}_i}{\underset{i=1}{\overset{n}{\Σ}}{\mathrm{Corr}}_i}\·{\stackrel{\‾}{x}}_i\left(t\right)---\left(2\right)$

5.根据权利要求1所述的地面气象观测站采集气温数据的质量控制方法，其特征在于：v_j的计算公式如式(3)：

$v_j=\frac{{\mathrm{\ΣIMF}}_j\·\tilde{x}\left(t\right)-\frac{{\mathrm{\ΣIMF}}_j\mathrm{\Σ}\tilde{x}\left(t\right)}{size\left(\tilde{x}\right(t\left)\right)}}{\sqrt{\left(\mathrm{\Σ}{\tilde{x}}^2\right(t)-\frac{{\left(\mathrm{\Σ}\tilde{x}\right(t\left)\right)}^2}{size\left(\tilde{x}\right(t\left)\right)})({\mathrm{\ΣIMF}}_j^2-\frac{{\left({\mathrm{\ΣIMF}}_j\right)}^2}{size\left({\mathrm{IMF}}_j\right)})}}---\left(3\right)$

其中size(IMF_j)分别表示与IMF_j的时间序列长度。

6.根据权利要求1所述的地面气象观测站采集气温数据的质量控制方法，其特征在于：步骤7)中所述对比预测值与实际值的差异的公式如式(4)：

|Z*(x_i)-Z(x_i)|≤fσ(4)

其中Z*(x_i)为预测值，Z(x_i)为原始值，σ为预测标准误差，f为质量控制参数。如果原始值满足公式(4)则判定原始值为正确值，如果原始值不满足公式(4)则标记原始值为存疑值以实现对原始观测值得质量控制。