CN107092794B - 用于台风混合气候地区极值风速估算的分析方法及装置 - Google Patents

Abstract

本发明实施例公开了一种用于台风混合气候地区极值风速估算的分析方法及装置，本发明实施例首先区分不同类型的极值风速数据，再构建混合气候极值风速的概率密度函数，然后基于加权最小二乘法求解并优化参数，最终精确计算极值风速。无论是对良态风气候还是对混合气候均具有很好的适用性，相对于传统的分析方法而言，本发明实施例使用范围更广、精度更好，且本发明实施例无需专门收集台风关键参数和进行复杂的模拟运算，更适于工程应用，相较于目前已有的混合气候分析方法，本发明无需将各种类型的风数据分离分析，计算过程大大简化，且减少了人为因素的影响。

Description

用于台风混合气候地区极值风速估算的分析方法及装置

技术领域

本发明涉及台风混合气候地区极值风速估算领域，尤其涉及一种用于台风混合气候地区极值风速估算的分析方法及装置。

背景技术

极值风速分析在建筑结构设计、桥梁建设、风灾防控等工程应用中起着十分重要的作用，极值风速分析准确与否将影响着风荷载的最终评估结果。沿海台风混合气候与内陆良态风气候，在极值风速大小、方向和分布特性都有着明显的不同，目前尚无一种有效的工程分析方法对此两种气候均适用。

良态风极值风速的分析方法研究已发展地较为充分。常用的分析方法有极值I型分析方法和Harris分析方法等，前者采用极值I型分布函数对极值样本进行拟合，通过求解一定保证率对风速来作为极值风速；后者基于次序统计理论给每个统计量分配权重，并采用加权最小二乘方法进行参数拟合。二者的共同特点就是采用单一概率分布形式来描述极值风速的分布特性。

混合风气候极值风速研究方面。实测风速数据可能是各种类型风速的混合，如台风，雷暴和龙卷风等等，目前求解混合气候极值风速的基本思路是，首先分离出各类型的风速数据再分别分析其极值风速特点，最后合并得到混合概率分布。常用的分析方法有Gomes方法，Cook改进方法和蒙特卡洛模拟方法。Gomes方法基于各种气候类型风速的概率分布特点，给出雷暴、飓风和龙卷风等混合气候的复合极值风速分析方法，并进行极值风速估计；Cook方法对该方法进行了改进，并分析了混合风气候极值风速的置信区间，但是由于台风数据不易获取，因而暂未出现考虑风向的混合风气候极值风速的分析方法；蒙特卡洛方法则是通过数值模拟的方式得到各气候类型在一定时期内的风速序列，再合并得到混合气候。总之，目前对混合气候极值风速进行分析的一般思路是分别分析不同类型风气候极值风速的概率特性，再联立得到混合气候的概率分布规律，最后再计算给定重现期极值风速。

传统的极值I型分析方法仅对内陆良态风气候区极值风速样本单一、尾部分布未出现明显偏离的情况使用，而台风混合气候，不同的极值风速概率分布不同，如果仍然采用该方法容易造成误差。对于混合气候极值风速分析方法，其缺点是甄别各种类型的风气候数据计较困难，工作量大，且受人为因素影响明显；另外，基于蒙特卡洛的台风模拟过程较为复杂，受各种参数概率分布非常敏感，且这些参数的概率分布难以准确给出。

因此，提供一种具有普遍适用性、计算精度较高、使用过程方便的台风混合气候地区极值风速估算分析方法是本领域技术人员需要解决的技术问题。

发明内容

本发明实施例提供了一种用于台风混合气候地区极值风速估算的分析方法及装置，具有普遍适用性、计算精度较高、使用过程方便等优点。

本发明实施例提供了一种用于台风混合气候地区极值风速估算的分析方法，包括：

获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数；

构建权重函数，根据权重函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建归一化函数，并根据权重函数、归一化函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建混合气候区极值风速概率密度函数，对混合气候区极值风速概率密度函数进行积分得到混合气候区极值风速概率分布函数；

对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数。

优选地，获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数具体包括：

S1：获取到多个极值风速样本，对多个极值风速样本所包含的各个样本进行计算得到各个样本的超越概率，通过Harris极值理论对各个样本的超越概率进行计算得到折减变量；

S2：获取到各个样本对应的权重值，根据权重值对多个极值风速样本进行采样得到N个极值风速样本，并得到N组极值风速与折减变量之间的关系，其中，N个极值风速样本与N组极值风速与折减变量之间的关系一一对应；

S3：令i＝2，其中，i＜N；

S4：选择i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系，通过预置第一公式对i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第一拟合函数，其中，i个极值风速样本和i组极值风速与折减变量之间的关系一一对应；

S5：通过预置第二公式对其余N-i极值风速样本，与N-i个极值风速样本对应的权重值和N-i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第二拟合函数，其中，N-i极值风速样本和N-i组极值风速与折减变量之间的关系一一对应；

S6：获取到与第一拟合函数和第二拟合函数对应的折减变量，通过第三预置公式对与第一拟合函数和第二拟合函数对应的折减变量进行计算得到第一误差函数值；

S7：判断i是否大于N-3，若不大于，令i＝i+1，并执行S4，若大于，则执行S8；

S8：在第一误差函数值中选择最小第一误差函数值，得到与最小第一误差函数值对应的第一拟合函数和第二拟合函数，将与最小第一误差函数值对应的第一拟合函数设置为上部台风主导范围概率分布函数，将与最小第一误差函数值对应的第二拟合函数设置为下部良态风主导范围概率分布函数。

优选地，对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数具体包括：

T1：获取到权重函数的形状参数t，令t＝0.01；

T2：将t代入权重函数、归一化函数，得到归一化常数；

T3：根据归一化常数确定目标混合气候区极值风速概率分布函数和与目标混合气候区极值风速概率分布函数对应的折减变量；

T4：获取到与多个极值风速样本对应的权重值，根据与多个极值风速样本对应的权重值并通过预置第三公式对与目标混合气候区极值风速概率分布函数对应的折减变量进行计算得到第二误差函数值；

T5：判断t是否大于10，若不大于，令t＝t+0.01，执行T2，若大于，则执行T6；

T6：在第二误差函数值选择最小第二误差函数值，将与最小第二误差函数值对应的目标混合气候区极值风速概率分布函数设置为最优混合气候区极值风速概率分布函数。

优选地，预置第一公式为：

式中，

为极值风速；ξ和σ为函数参数；

预置第二公式为：

式中，

为极值风速；a、w和Π为函数参数。

优选地，预置第三公式为：

式中，N为极值风速样本数目；w_m为拟合权重因子；y_{m_Cal}为采用极值理论得到的折减变量均值；y_{m_fit}为与拟合函数对应的折减变量。

优选地，本发明实施例还提供了一种用于台风混合气候地区极值风速估算的分析装置，包括：

拟合单元，用于获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数；

构建单元，用于构建权重函数，根据权重函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建归一化函数，并根据权重函数、归一化函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建混合气候区极值风速概率密度函数，对混合气候区极值风速概率密度函数进行积分得到混合气候区极值风速概率分布函数；

优化单元，用于对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数。

优选地，拟合单元包括：

第一计算子单元，用于获取到多个极值风速样本，对多个极值风速样本所包含的各个样本进行计算得到各个样本的超越概率，通过Harris极值理论对各个样本的超越概率进行计算得到折减变量；

采样子单元，用于获取到各个样本对应的权重值，根据权重值对多个极值风速样本进行采样得到N个极值风速样本，并得到N组极值风速与折减变量之间的关系，其中，N个极值风速样本与N组极值风速与折减变量之间的关系一一对应；

第一设置子单元，用于令i＝2，其中，i＜N；

第一拟合子单元，用于选择i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系，通过预置第一公式对i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第一拟合函数，其中，i个极值风速样本和i组极值风速与折减变量之间的关系一一对应；

第二拟合子单元，用于通过预置第二公式对其余N-i极值风速样本，与N-i个极值风速样本对应的权重值和N-i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第二拟合函数，其中，N-i极值风速样本和N-i组极值风速与折减变量之间的关系一一对应；

第二计算子单元，用于获取到与第一拟合函数和第二拟合函数对应的折减变量，通过第三预置公式对与第一拟合函数和第二拟合函数对应的折减变量进行计算得到第一误差函数值；

第一判断子单元，用于判断i是否大于N-3，若不大于，令i＝i+1，并触发第一拟合子单元，若大于，则触发第一设置子单元；

第一设置子单元，用于在第一误差函数值中选择最小第一误差函数值，得到与最小第一误差函数值对应的第一拟合函数和第二拟合函数，将与最小第一误差函数值对应的第一拟合函数设置为上部台风主导范围概率分布函数，将与最小第一误差函数值对应的第二拟合函数设置为下部良态风主导范围概率分布函数。

优选地，优化单元包括：

第二设置子单元，用于获取到权重函数的形状参数t，令t＝0.01；

代入子单元，用于将t代入权重函数、归一化函数，得到归一化常数；

确定子单元，用于根据归一化常数确定目标混合气候区极值风速概率分布函数和与目标混合气候区极值风速概率分布函数对应的折减变量；

第三计算子单元，用于获取到与多个极值风速样本对应的权重值，根据与多个极值风速样本对应的权重值并通过预置第三公式对与目标混合气候区极值风速概率分布函数对应的折减变量进行计算得到第二误差函数值；

第二判断子单元，用于判断t是否大于10，若不大于，令t＝t+0.01，触发代入子单元，若大于，则触发第三设置子单元；

第三设置子单元，用于在第二误差函数值选择最小第二误差函数值，将与最小第二误差函数值对应的目标混合气候区极值风速概率分布函数设置为最优混合气候区极值风速概率分布函数。

优选地，预置第一公式为：

式中，

为极值风速；ξ和σ为函数参数；

预置第二公式为：

式中，

为极值风速；a、w和Π为函数参数。

优选地，预置第三公式为：

式中，N为极值风速样本数目；w_m为拟合权重因子；y_{m_Cal}为采用极值理论得到的折减变量均值；y_{m_fit}为与拟合函数对应的折减变量。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例提供了一种用于台风混合气候地区极值风速估算的分析方法及装置，其中，该用于台风混合气候地区极值风速估算的分析方法包括：获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数；构建权重函数，根据权重函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建归一化函数，并根据权重函数、归一化函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建混合气候区极值风速概率密度函数，对混合气候区极值风速概率密度函数进行积分得到混合气候区极值风速概率分布函数；对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数。本发明实施例无论是对良态风气候还是对混合气候均具有很好的适用性，相对于传统的分析方法而言，本发明实施例使用范围更广、精度更好，且本发明实施例无需专门收集台风关键参数和进行复杂的模拟运算，更适于工程应用，相较于目前已有的混合气候分析方法，本发明无需将各种类型的风数据分离分析，计算过程大大简化，且减少了人为因素的影响。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析方法的流程示意图；

图2为本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析方法的另一流程示意图；

图3为本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析方法的另一流程示意图；

图4为本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析装置的结构示意图；

图5和图6为本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析方法的应用例示意图。

具体实施方式

本发明实施例提供了一种用于台风混合气候地区极值风速估算的分析方法及装置，具有普遍适用性、计算精度较高、使用过程方便等优点。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析方法的一个实施例，包括：

101、获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数；

需要说明的是，此处拟合的对象是：极值风速-折减变量关系曲线。气象站原始记录数据很多，但是只采用独立且较大极值进行分析，因此通过一定的抽样方法得到极值风速样本，再对这些极值风速样本进行处理，得到极值风速-折减变量曲线，也就是分析的主体。

102、构建权重函数，根据权重函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建归一化函数，并根据权重函数、归一化函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建混合气候区极值风速概率密度函数，对混合气候区极值风速概率密度函数进行积分得到混合气候区极值风速概率分布函数；

103、对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数。

具体地，预置第一公式为：

式中，

为极值风速；ξ和σ为函数参数；

预置第二公式为：

式中，

为极值风速；a、w和Π为函数参数。

东南沿海地区的风气候通常会受到台风和良态风的共同影响，不同气象系统的极值风速概率分布各不相同，相关研究表明这种气候的风速满足混合分布。针对目前混合气候风速分析中存在的问题，本发明首先区分不同类型的极值风速数据，再构建混合气候极值风速的概率密度函数，然后基于加权最小二乘法求解并优化参数，最终精确计算极值风速。

请参阅图2，本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析方法的另一个实施例，包括：

201、获取到多个极值风速样本，对多个极值风速样本所包含的各个样本进行计算得到各个样本的超越概率，通过Harris极值理论对各个样本的超越概率进行计算得到折减变量；

202、获取到各个样本对应的权重值，根据权重值对多个极值风速样本进行采样得到N个极值风速样本，并得到N组极值风速与折减变量之间的关系，其中，N个极值风速样本与N组极值风速与折减变量之间的关系一一对应；

203、令i＝2，其中，i＜N；

204、选择i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系，通过预置第一公式对i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第一拟合函数，其中，i个极值风速样本和i组极值风速与折减变量之间的关系一一对应；

205、通过预置第二公式对其余N-i极值风速样本，与N-i个极值风速样本对应的权重值和N-i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第二拟合函数，其中，N-i极值风速样本和N-i组极值风速与折减变量之间的关系一一对应；

206、获取到与第一拟合函数和第二拟合函数对应的折减变量，通过第三预置公式对与第一拟合函数和第二拟合函数对应的折减变量进行计算得到第一误差函数值；

207、判断i是否大于N-3，若不大于，令i＝i+1，并执行204，若大于，则执行208；

208、在第一误差函数值中选择最小第一误差函数值，得到与最小第一误差函数值对应的第一拟合函数和第二拟合函数，将与最小第一误差函数值对应的第一拟合函数设置为上部台风主导范围概率分布函数，将与最小第一误差函数值对应的第二拟合函数设置为下部良态风主导范围概率分布函数。

在实施例中，本发明根据混合气候中极值风速和折减变量间的关系，基于加权最小二乘原理识别良态风主导范围(良态风数据占主导，同时含有很少的台风数据，对下尾部分布影响较小)和台风主导范围，以代替传统风速类型的识别方法。

请参阅图3，本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析方法的另一个实施例，包括：

301、获取到权重函数的形状参数t，令t＝0.01；

302、将t代入权重函数、归一化函数，得到归一化常数；

303、根据归一化常数确定目标混合气候区极值风速概率分布函数和与目标混合气候区极值风速概率分布函数对应的折减变量；

304、获取到与多个极值风速样本对应的权重值，根据与多个极值风速样本对应的权重值并通过预置第三公式对与目标混合气候区极值风速概率分布函数对应的折减变量进行计算得到第二误差函数值；

305：判断t是否大于10，若不大于，令t＝t+0.01，执行302，若大于，则执行306；

306：在第二误差函数值选择最小第二误差函数值，将与最小第二误差函数值对应的目标混合气候区极值风速概率分布函数设置为最优混合气候区极值风速概率分布函数。

构建了适用于混合气候区极值风速的概率分布函数后，但精确计算极值风速还需要准确确定各个参数值，这里采用加权最小二乘原理对各参数进行拟合求解和优化。

以上是对一种用于台风混合气候地区极值风速估算的分析方法进行的详细说明，为便于理解，下面将以一具体应用场景对一种用于台风混合气候地区极值风速估算的分析方法的应用进行说明，应用例包括：

1.1不同气候类型风速数据的识别

混合气候中台风和良态风数据通常满足不同的概率分布函数，折减变量与极值风速的关系曲线往往并不是一条直线，因此无法采用单一函数进行拟合得到混合气候极值风速的概率分布函数。需首先得到各个主导区的概率分布函数。

气象站的风速记录为每日风速风向信息，考虑到有些日最大风速较小，不便于极值分析，同时为了得到尽可能多的数值较大的极值风速样本，本文采用观测时矩为8天的阶段极值法对最大风速进行抽样。对所有样本进行从小到大排序，则n个极值风速样本中第m个样本的不超越概率为

然后基于Harris极值理论求解折减变量

由于折减变量在上尾部具有很大的离散性，不同的变量对拟合结果贡献并不相同，因此再对各个样本分配权重，权重值w_m取为极值风速方差的倒数。最后采用左截断方法得到N个极值风速样本。识别良态风主导范围数据和台风主导范围数据并分别拟合时，首先选择最少的极值样本组(i＝2)，并基于式(1)所示的极值I型分布函数和对应的权重系数进行加权最小二乘拟合，得到上部台风主导范围的分布函数；同时对余下的N-i组极值样本采用式(2)所示的分布函数和对应的权重值进行加权最小二乘拟合，得到下部良态风主导范围的概率分布函数。最后计算误差函数值ss²(i)，如式(3)所示。

式中，N为极值风速样本数目，w_m为拟合权重因子，y_{m_Cal}为采用极值理论得到的折减变量均值，y_{m_fit}为拟合函数对应的折减变量。同理，逐渐增加上部台风主导范围极值样本的数量i＝i+1，再分别进行极值拟合和计算对应的加权最小二乘误差函数值，如此反复。最后，选择误差函数最小值ss²_min对应的极值风速样本数量作为识别良态风主导范围和台风主导范围的依据，进而得到各主导范围如式(1)和式(2)所示的概率分布函数。分析流程如图5所示。

1.2混合模型的构建

由上述分析可知，混合气候区极值风速无法采用单一概率分布函数进行拟合，基于折减变量和极值风速的关系可将风速数据分为良态风主导区和台风主导区，并分别拟合得到相应的概率分布函数，再此基础上进一步构建如式(4)所示的用于描述混合气候区极值风速的概率密度函数：

式中，

为极值风速，

为台风主导区极值风速概率密度函数可由式(1)拟合得到，σ和ξ为对应函数参数；

为良态风主导区极值风速概率密度分布函数可由式(2)拟合得到，a,w和∏为其函数参数；Z(a,w,Π,σ,ξ)为归一化函数；

为权重函数，其取值范围介于(0,1)之间，当风速逐渐增大时权重函数取值趋向于1，也就意味着当风速较大时混合函数

上尾部主要由函数

决定，风速较小时下尾部主要由函数

决定。权重函数

表达式通常采用：

式中，u为位置参数，是一个大于0的常数；t为形状参数，通常取值在(0,10)之间。权重函数的几何属性可以理解为提供一种平滑过渡来连接良态风主导区和台风主导区的极值风速概率分布函数。基于上述良态风极值风速分布函数、台风极值风速分布函数和权重函数，可推导出归一化常数Z的表达式为：

基于式(1)和式(2)得到的良态风主导区极值风速概率分布函数和台风主导区极值风速概率分布函数可分别表示为：

将式(7)概率密度函数代入式(6)得到归一化常数Z；然后将各极值风速概率密度函数、权重函数和归一化函数代入式(4)得到混合气候的极值风速概率密度函数；最后再对极值风速密度函数进行积分得到概率分布函数，进而可计算得到N年重现期的极值风速。

1.3关键参数确定

权重函数有两个重要参数——位置参数u和形状参数t需要确定。位置参数u的物理含义代表了极值风速-这件变量关系中台风主导范围和良态风主导范围的分界位置，因此可由1.1节临界风速值来确定。形状参数直接反映了台风主导范围和良态风主导范围不同分布函数曲线的过渡规律。形状参数可基于混合函数与原极值样本的拟合程度来确定，即：首先给出一个较小的初始形状参数值t(如，取t＝0.01)，得到式(5)所示的权重函数，进而根据式(6)计算其归一化常数Z，再由式(4)得到混合分布函数

最后联合各风速样本的权重值并由式(3)计算t对应的加权最小二乘误差函数值；改变t值，重复相同过程，并计算下一组拟合函数对应的加权最小二乘误差函数值，直到选出最优的形状参数t和对应的混合分布函数

流程如图6所示。

请参阅图4，本发明实施例提供的一种用于台风混合气候地区极值风速估算的分析装置的一个实施例，包括：

拟合单元401，用于获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数；

构建单元402，用于构建权重函数，根据权重函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建归一化函数，并根据权重函数、归一化函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建混合气候区极值风速概率密度函数，对混合气候区极值风速概率密度函数进行积分得到混合气候区极值风速概率分布函数；

优化单元403，用于对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数。

进一步地，拟合单元401包括：

第一计算子单元4011，用于获取到多个极值风速样本，对多个极值风速样本所包含的各个样本进行计算得到各个样本的超越概率，通过Harris极值理论对各个样本的超越概率进行计算得到折减变量；

采样子单元4012，用于获取到各个样本对应的权重值，根据权重值对多个极值风速样本进行采样得到N个极值风速样本，并得到N组极值风速与折减变量之间的关系，其中，N个极值风速样本与N组极值风速与折减变量之间的关系一一对应；

第一设置子单元4013，用于令i＝2，其中，i＜N；

第一拟合子单元4014，用于选择i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系，通过预置第一公式对i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第一拟合函数，其中，i个极值风速样本和i组极值风速与折减变量之间的关系一一对应；

第二拟合子单元4015，用于通过预置第二公式对其余N-i极值风速样本，与N-i个极值风速样本对应的权重值和N-i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第二拟合函数，其中，N-i极值风速样本和N-i组极值风速与折减变量之间的关系一一对应；

第二计算子单元4016，用于获取到与第一拟合函数和第二拟合函数对应的折减变量，通过第三预置公式对与第一拟合函数和第二拟合函数对应的折减变量进行计算得到第一误差函数值；

第一判断子单元4017，用于判断i是否大于N-3，若不大于，令i＝i+1，并触发第一拟合子单元4014，若大于，则触发第一设置子单元4018；

第一设置子单元4018，用于在第一误差函数值中选择最小第一误差函数值，得到与最小第一误差函数值对应的第一拟合函数和第二拟合函数，将与最小第一误差函数值对应的第一拟合函数设置为上部台风主导范围概率分布函数，将与最小第一误差函数值对应的第二拟合函数设置为下部良态风主导范围概率分布函数。

进一步地，优化单元403包括：

第二设置子单元4031，用于获取到权重函数的形状参数t，令t＝0.01；

代入子单元4032，用于将t代入权重函数、归一化函数，得到归一化常数；

确定子单元4033，用于根据归一化常数确定目标混合气候区极值风速概率分布函数和与目标混合气候区极值风速概率分布函数对应的折减变量；

第三计算子单元4034，用于获取到与多个极值风速样本对应的权重值，根据与多个极值风速样本对应的权重值并通过预置第三公式对与目标混合气候区极值风速概率分布函数对应的折减变量进行计算得到第二误差函数值；

第二判断子单元4035，用于判断t是否大于10，若不大于，令t＝t+0.01，触发代入子单元4032，若大于，则触发第三设置子单元4036；

第三设置子单元4036，用于在第二误差函数值选择最小第二误差函数值，将与最小第二误差函数值对应的目标混合气候区极值风速概率分布函数设置为最优混合气候区极值风速概率分布函数。

进一步地，预置第一公式为：

式中，

为极值风速；ξ和σ为函数参数；

预置第二公式为：

式中，

为极值风速；a、w和Π为函数参数。

进一步地，预置第三公式为：

式中，N为极值风速样本数目；w_m为拟合权重因子；y_{m_Cal}为采用极值理论得到的折减变量均值；y_{m_fit}为与拟合函数对应的折减变量。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种用于台风混合气候地区极值风速估算的分析方法，其特征在于，包括：

获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数；

构建权重函数，根据权重函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建归一化函数，并根据权重函数、归一化函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建混合气候区极值风速概率密度函数，对混合气候区极值风速概率密度函数进行积分得到混合气候区极值风速概率分布函数；

对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数；

获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数具体包括：

S1：获取到多个极值风速样本，对多个极值风速样本所包含的各个样本进行计算得到各个样本的超越概率，通过Harris极值理论对各个样本的超越概率进行计算得到折减变量；

S2：获取到各个样本对应的权重值，根据权重值对多个极值风速样本进行采样得到N个极值风速样本，并得到N组极值风速与折减变量之间的关系，其中，N个极值风速样本与N组极值风速与折减变量之间的关系一一对应；

S3：令i＝2，其中，i＜N；

S4：选择i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系，通过预置第一公式对i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第一拟合函数，其中，i个极值风速样本和i组极值风速与折减变量之间的关系一一对应；

S5：通过预置第二公式对其余N-i极值风速样本，与N-i个极值风速样本对应的权重值和N-i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第二拟合函数，其中，N-i极值风速样本和N-i组极值风速与折减变量之间的关系一一对应；

S6：获取到与第一拟合函数和第二拟合函数对应的折减变量，通过第三预置公式对与第一拟合函数和第二拟合函数对应的折减变量进行计算得到第一误差函数值；

S7：判断i是否大于N-3，若不大于，令i＝i+1，并执行S4，若大于，则执行S8；

S8：在第一误差函数值中选择最小第一误差函数值，得到与最小第一误差函数值对应的第一拟合函数和第二拟合函数，将与最小第一误差函数值对应的第一拟合函数设置为上部台风主导范围概率分布函数，将与最小第一误差函数值对应的第二拟合函数设置为下部良态风主导范围概率分布函数；

对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数具体包括：

T1：获取到权重函数的形状参数t，令t＝0.01；

T2：将t代入权重函数、归一化函数，得到归一化常数；

T3：根据归一化常数确定目标混合气候区极值风速概率分布函数和与目标混合气候区极值风速概率分布函数对应的折减变量；

T4：获取到与多个极值风速样本对应的权重值，根据与多个极值风速样本对应的权重值并通过预置第三公式对与目标混合气候区极值风速概率分布函数对应的折减变量进行计算得到第二误差函数值；

T5：判断t是否大于10，若不大于，令t＝t+0.01，执行T2，若大于，则执行T6；

T6：在第二误差函数值选择最小第二误差函数值，将与最小第二误差函数值对应的目标混合气候区极值风速概率分布函数设置为最优混合气候区极值风速概率分布函数。

2.根据权利要求1所述的用于台风混合气候地区极值风速估算的分析方法，其特征在于，预置第一公式为：

式中，

为极值风速；ξ和σ为函数参数；

预置第二公式为：

式中，

为极值风速；a、w和Π为函数参数。

3.根据权利要求1所述的用于台风混合气候地区极值风速估算的分析方法，其特征在于，预置第三公式为：

式中，N为极值风速样本数目；w_m为拟合权重因子；y_{m_Cal}为采用极值理论得到的折减变量均值；y_{m_fit}为与拟合函数对应的折减变量。

4.一种用于台风混合气候地区极值风速估算的分析装置，其特征在于，包括：

拟合单元，用于获取到极值风速样本，对极值风速样本进行计算得到折减变量和极值风速与折减变量之间的关系，并通过预置第一公式、预置第二公式对极值风速与折减变量之间的关系进行最小二乘拟合得到上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数；

构建单元，用于构建权重函数，根据权重函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建归一化函数，并根据权重函数、归一化函数、上部台风主导范围概率分布函数、下部良态风主导范围概率分布函数构建混合气候区极值风速概率密度函数，对混合气候区极值风速概率密度函数进行积分得到混合气候区极值风速概率分布函数；

优化单元，用于对混合气候区极值风速概率分布函数进行参数优化和拟合求解，得到最优混合气候区极值风速概率分布函数；

拟合单元包括：

第一计算子单元，用于获取到多个极值风速样本，对多个极值风速样本所包含的各个样本进行计算得到各个样本的超越概率，通过Harris极值理论对各个样本的超越概率进行计算得到折减变量；

采样子单元，用于获取到各个样本对应的权重值，根据权重值对多个极值风速样本进行采样得到N个极值风速样本，并得到N组极值风速与折减变量之间的关系，其中，N个极值风速样本与N组极值风速与折减变量之间的关系一一对应；

第一设置子单元，用于令i＝2，其中，i＜N；

第一拟合子单元，用于选择i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系，通过预置第一公式对i个极值风速样本，与i个极值风速样本对应的权重值和i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第一拟合函数，其中，i个极值风速样本和i组极值风速与折减变量之间的关系一一对应；

第二拟合子单元，用于通过预置第二公式对其余N-i极值风速样本，与N-i个极值风速样本对应的权重值和N-i组极值风速与折减变量之间的关系进行加权最小二乘拟合，得到第二拟合函数，其中，N-i极值风速样本和N-i组极值风速与折减变量之间的关系一一对应；

第二计算子单元，用于获取到与第一拟合函数和第二拟合函数对应的折减变量，通过第三预置公式对与第一拟合函数和第二拟合函数对应的折减变量进行计算得到第一误差函数值；

第一判断子单元，用于判断i是否大于N-3，若不大于，令i＝i+1，并触发第一拟合子单元，若大于，则触发第一设置子单元；

第一设置子单元，用于在第一误差函数值中选择最小第一误差函数值，得到与最小第一误差函数值对应的第一拟合函数和第二拟合函数，将与最小第一误差函数值对应的第一拟合函数设置为上部台风主导范围概率分布函数，将与最小第一误差函数值对应的第二拟合函数设置为下部良态风主导范围概率分布函数；

优化单元包括：

第二设置子单元，用于获取到权重函数的形状参数t，令t＝0.01；

代入子单元，用于将t代入权重函数、归一化函数，得到归一化常数；

确定子单元，用于根据归一化常数确定目标混合气候区极值风速概率分布函数和与目标混合气候区极值风速概率分布函数对应的折减变量；

第三计算子单元，用于获取到与多个极值风速样本对应的权重值，根据与多个极值风速样本对应的权重值并通过预置第三公式对与目标混合气候区极值风速概率分布函数对应的折减变量进行计算得到第二误差函数值；

第二判断子单元，用于判断t是否大于10，若不大于，令t＝t+0.01，触发代入子单元，若大于，则触发第三设置子单元；

第三设置子单元，用于在第二误差函数值选择最小第二误差函数值，将与最小第二误差函数值对应的目标混合气候区极值风速概率分布函数设置为最优混合气候区极值风速概率分布函数。

5.根据权利要求4所述的用于台风混合气候地区极值风速估算的分析装置，其特征在于，预置第一公式为：

式中，

为极值风速；ξ和σ为函数参数；

预置第二公式为：

式中，

为极值风速；a、w和Π为函数参数。

6.根据权利要求4所述的用于台风混合气候地区极值风速估算的分析装置，其特征在于，预置第三公式为：

式中，N为极值风速样本数目；w_m为拟合权重因子；y_{m_Cal}为采用极值理论得到的折减变量均值；y_{m_fit}为与拟合函数对应的折减变量。

Images