CN107942410B - 一种极地服务温度的预测方法和装置 - Google Patents
一种极地服务温度的预测方法和装置 Download PDFInfo
- Publication number
- CN107942410B CN107942410B CN201710846337.8A CN201710846337A CN107942410B CN 107942410 B CN107942410 B CN 107942410B CN 201710846337 A CN201710846337 A CN 201710846337A CN 107942410 B CN107942410 B CN 107942410B
- Authority
- CN
- China
- Prior art keywords
- air temperature
- year
- lowest
- determining
- temperature value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种极地服务温度的预测方法和装置,属于极地海洋工程领域。方法包括:获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值,设定的气象站为与船舶在极地地区航行的区域距离最近的气象站,设定的时间段的日期中包括与船舶在极地地区航行的日期相同的日期;采用至少两种时间单位来确定获取到的气温值中各年的最低气温值,时间单位为一持续的时间段;根据确定出的各年的最低气温值,分别确定采用至少两种时间单位时最低气温值的概率函数;分别从至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值。本发明提供不同时间单位时最低气温的出现概率,从而为温度预测提供更准确的参考依据。
Description
技术领域
本发明涉及极地海洋工程领域,特别涉及一种极地服务温度的预测方法和装置。
背景技术
极地地区包括南极和北极,是地球最寒冷的区域。船舶在极地地区航行时,可能会因为寒冷的气候导致船舶稳定性减弱,引起管路冰冻和航行设备失效,降低船舶的安全性。为确保船舶航行安全,需要预测船舶在极地地区航行时的环境温度,并根据预测的环境温度,采用相应的防寒防冻措施。
预测船舶在极地地区航行时的环境温度通常采用极地服务温度(英文:PolarService Temperature,简称:PST),PST是船舶在极地地区航行或运营时的环境低气温。国际海事组织(英文:International Maritime Organization,简称:IMO)在《极地规则》(英文:Polar Code)中建议,以船舶极地服务水域的最低日均低温(英文:Lowest Mean DairyLow Temperature,简称:LMDLT)减去10℃作为极地服务温度,因此目前是将极地地区气象站一段时间内记录的气温值进行简单统计,如一年内各个月的每日低温的平均值中的最低温,以预测极地服务温度。其中,每日低温是指一天24小时中的最低温度值。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
目前极地服务温度的预测方法中没有考虑最低温度的持续时间,而同样的最低温度,持续时间不同,相应采用的风寒防冻措施是不同的,因此得到的极地服务温度的准确性还有待提高。
发明内容
为了解决现有技术极地服务温度的准确性不够的问题,本发明实施例提供了一种极地服务温度的预测方法和装置。所述技术方案如下:
一方面,本发明实施例提供了一种极地服务温度的预测方法,所述预测方法包括:
获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值,所述设定的气象站为与船舶在极地地区航行的区域距离最近的气象站,所述设定的时间段的日期中包括与船舶在极地地区航行的日期相同的日期;
采用至少两种时间单位来确定获取到的气温值中各年的最低气温值,所述时间单位为一持续的时间段;
根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数;
分别从所述至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值。
在本发明一种可能的实现方式中,所述根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数,包括:
确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述时间单位时各年的最低气温值,确定采用所述时间单位时最低气温值的概率分布线。
在本发明另一种可能的实现方式中,所述根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数,包括:
确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述时间单位时各年的最低气温值在所述设定的概率分布中服从的概率分布,确定服从的概率分布的概率密度曲线中的参数值,得到采用所述时间单位时最低气温值的概率密度曲线。
可选地,所述确定采用各种时间单位确定出的各年的最低气温值是否服从设定的概率分布,包括:
依次采用显著性检验法验证一种时间单位时各年的最低气温值是否服从所述设定的概率分布中的各个概率分布。
在本发明又一种可能的实现方式中,所述采用至少两种时间单位来确定获取到的气温值中各年的最低气温值,包括:
在采用一种时间单位来确定获取到的气温值中各年的最低气温值的时候,分别将获取到的各年气温值中,相邻的多个气温值计算平均值,计算平均值的多个气温值的数量等于所述设定的时间段与所述时间单位相除的结果;
分别在各年气温值计算的平均值中,选择最小值作为采用所述时间单位时各年的最低气温值。
另一方面,本发明实施例提供了一种极地服务温度的预测装置,所述预测装置包括:
获取单元,用于获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值,所述设定的气象站为与船舶在极地地区航行的区域距离最近的气象站,所述设定的时间段的日期中包括与船舶在极地地区航行的日期相同的日期;
第一确定单元,用于采用至少两种时间单位来确定获取到的气温值中各年的最低气温值,所述时间单位为一持续的时间段;
第二确定单元,用于根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数;
第三确定单元,用于分别从所述至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值。
在本发明一种可能的实现方式中,所述第二确定单元包括:
第一确定子单元,用于确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第二确定子单元,用于当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述时间单位时各年的最低气温值,确定采用所述时间单位时最低气温值的概率分布线。
在本发明另一种可能的实现方式中,所述第二确定单元包括:
第一确定子单元,用于确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第三确定子单元,用于当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述时间单位时各年的最低气温值在所述设定的概率分布中服从的概率分布,确定服从的概率分布的概率密度曲线中的参数值,得到采用所述时间单位时最低气温值的概率密度曲线。
可选地,所述第一确定子单元用于,
依次采用显著性检验法验证一种时间单位时各年的最低气温值是否服从所述设定的概率分布中的各个概率分布。
在本发明又一种可能的实现方式中,所述第一确定单元用于,
在采用一种时间单位来确定获取到的气温值中各年的最低气温值的时候,分别将获取到的各年气温值中,相邻的多个气温值计算平均值,计算平均值的多个气温值的数量等于所述设定的时间段与所述时间单位相除的结果;
分别在各年气温值计算的平均值中,选择最小值作为采用所述时间单位时各年的最低气温值。
本发明实施例提供的技术方案带来的有益效果是:
通过根据与船舶在极地地区航行的区域距离最近的气象站在至少两年中日期与船舶在极地地区航行的日期相同的时间段内记录的所有气温值,确定采用至少两个时间单位时各年的最低气温值,并根据确定出的各年的最低气温值,分别确定采用至少两种时间单位时最低气温值的概率函数,进而分别从至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值,从而提供出各种时间单位时最低气温的分布情况。相比于现有直接计算最低日均低温的方法,本发明提供的各种时间单位时最低气温的分布情况更为全面,相应采用的风寒防冻措施更能适应极地地区寒冷的气候,提高船舶在极地地区航行的安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种极地服务温度的预测方法的流程图;
图2是本发明实施例一提供的北极区域的气象站的分布图;
图3是本发明实施例一提供的一种持续时间时最低气温值的概率分布函数图;
图4是本发明实施例一提供的各个设定的概率下持续时间和最低温度值的关系图;
图5是本发明实施例二提供的一种极地服务温度的预测装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本发明实施例提供了一种极地服务温度的预测方法,参见图1,该方法包括:
步骤101:获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值。
在本实施例中,先设定气象站和时间段,再从设定的气象站获取其在至少两年中的设定的时间段内记录的所有气温值。其中,设定的气象站为与船舶在极地地区航行的区域距离最近的气象站,设定的时间段的日期中包括与船舶在极地地区航行的日期相同的日期。
在具体实现中,船舶在极地地区航行之前,会预先制定航行计划,航行计划中包括在极地地区航行的日期和区域,可以先从航行计划中确定船舶在极地地区航行的日期和区域,再根据船舶在极地地区航行的区域,从设置在极地地区的多个气象站中,选择与船舶在极地地区航行的区域距离最近的气象站;然后在选择的气象站记录的气温值中,获取最近几年中日期与船舶在极地地区航行的日期相同的时间段内记录的所有气温值。
可选地,设定的时间段还可以包括日期与船舶在极地地区航行的开始日期之前的N天相同的时间段、以及日期与船舶在极地地区航行的结束日期之后的N天相同的时间段。增加相关的统计数据,可以提高预测精度。
优选地,N可以为船舶在极地地区航行的结束日期与开始日期的差值。
例如,船舶在极地地区航行的区域为经度为70°、纬度为160°的北极区域,因此可以在如图2所示的北极区域的所有气象站中,选择与经度为70°、纬度为160°的北极区域举例最近的气象站Barrow作为设定的气象站(Barrow的具体情况如下表一所示)。
表一
同时船舶在极地地区航行的日期为今年(即2017年)4月份的第一周,船舶在极地地区航行的结束日期与开始日期的差值N=7,因此选择3月份的最后一周至4月份的第二周作为设定的时间段。其中,4月份的第一周为日期与船舶在极地地区航行的日期相同的时间段,3月份的最后一周为日期与船舶在极地地区航行的开始日期之前的N天相同的时间段,4月份的第二周为日期与船舶在极地地区航行的结束日期之后的N天相同的时间。另外,获取的气温值可以来自于最近30年(即1987年至2016年)记录的气温值。
容易知道,在设定气象站和时间段之后,即可向设定的气象站请求获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值,从而获得设定的气象站所在的区域往年在设定的时间段内的气温值,以预测船舶在极地地区航行的日期里所航行的区域的温度,即极地服务温度。例如,设定的气象站是每隔1小时记录一次气温,设定的时间段为3月份的最后一周至4月份的第二周作为设定的时间段,则从设定的气象站每年记录的所有气温值中选择24*21=504个获取。
步骤102:采用至少两种时间单位来确定获取到的气温值中各年的最低气温值。
在本实施例中,时间单位为一持续的时间段,表示设定的时间段的划分单位。一个时间单位时各年的最低气温值是指将设定的时间段按照这个时间单位划分的各个时间段内的气温值中的最小值,即达到这个持续时间的最低气温值。例如,设定的时间段为3月份的最后一周至4月份的第二周,时间单位为1天时各年的最低气温值是指每年3月份的最后一周至4月份的第二周内每天的气温值中的最小值。如果一年中的这21天的气温值分别为-32.33℃、-32.01℃、-31.10℃、-31.68℃、-34.60℃、-29.11℃、-31.12℃、-36.15℃、-33.65℃、-33.51℃、-33.33℃、-32.83℃、-27.15℃、-32.09℃、-28.03℃、-28.91℃、-27.88℃、-30.75℃、-32.50℃、-36.78℃、-35.43℃,则这一年时间单位为1天时的最低气温值为36.78℃。
具体地,该步骤102可以包括:
在采用一种时间单位来确定获取到的气温值中各年的最低气温值的时候,分别将获取到的各年气温值中,相邻的多个气温值计算平均值,计算平均值的多个气温值的数量等于设定的时间段与该时间单位相除的结果;
分别在各年气温值计算的平均值中,选择最小值作为采用该时间单位时各年的最低气温值。
在具体实现中,采用如下公式(1)计算各年气温值中相邻的多个气温值的平均值:
Ti m=(Ti+Ti+1+……+Ti+m-1)/m; (1)
采用如下公式(2)计算各年气温值计算的平均值中的最小值:
其中,Ti为各年在设定的时间段内记录的第i个气温值,i≤n且i、n均为正整数,n为各年在设定的时间段内记录的所有气温值的数量,Ti m为各年第i个时间单位为m时的平均气温值,为各年时间单位为m时的最低气温值,min(*)为求*中的最小值。
例如,为方便计算,假设设定的时间段为某一天,设定的气象站每隔1小时记录一次气温,即n=24。一年中的设定的时间段内记录的所有气温值分别为-32.33℃、-32.01℃、-31.10℃、-31.68℃、-34.60℃、-29.11℃、-31.12℃、-36.15℃、-33.65℃、-33.51℃、-33.33℃、-32.83℃、-27.15℃、-32.09℃、-28.03℃、-28.91℃、-27.88℃、-30.75℃、-32.50℃、-36.78℃、-35.43℃、-34.41℃、-33.63℃、-33.64℃。
若m=4小时,则这一年气温值中相邻的多个气温值的平均值计算过程如下:
T1 4=[(-32.33℃)+(-32.01℃)+(-31.10℃)+(-31.68℃)]/4=-31.78℃;
进而各年气温值计算的平均值中的最小值计算过程如下:
即时间单位为4时这一年的最低气温值为-35.06℃。
按照上述相同的方法可以计算其它时间单位时其它年的最低气温值,最后确定的至少两个时间单位时各年的最低气温值可以如表二所示:
表二
步骤103:根据确定出的各年的最低气温值,分别确定采用至少两种时间单位时最低气温值的概率函数。
在本实施例中,概率函数可以为概率分布函数,也可以为概率密度函数。
在本实施例的一种实现方式中,该步骤103可以包括:
第一步,确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第二步,当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用该时间单位时各年的最低气温值,确定采用该时间单位时最低气温值的概率分布线。
具体地,设定的概率分布可以包括均匀分布、指数分布和正态分布。
可选地,第一步可以包括:
依次采用显著性检验法验证一种时间单位时各年的最低气温值是否服从设定的概率分布中的各个概率分布。
例如,可以先采用显著性检验法验证一种时间单位时各年的最低气温值是否服从正态分布;若不服从正态分布,则再采用显著性检验法验证该时间单位时各年的最低气温值是否服从指数分布;若不服从指数分布,则接着采用显著性检验法验证该时间单位时各年的最低气温值是否服从均匀分布。
其中,采用显著性检验法验证该时间单位时各年的最低气温值是否服从某个概率分布的方式基本类似。下面以正态分布为例进行具体说明:
1、假设一种时间单位时各年的最低气温值服从正态分布,则该时间单位时各年的最低气温值的概率密度函数为正态分布的概率密度函数:
2、根据该时间单位时某个持续时间时各年的最低气温值x,采用最大似然估计法得到概率密度函数中的参数μ和σ:
其中,N为一种时间单位时各年的最低气温值的数量,∑x为该时间单位时各年的最低气温值之和,∑(x-μ)2为该时间单位时各年的最低气温值和参数μ之间差值的平方之和。
3、将得到的参数μ和σ代入概率密度函数中,得到该时间单位时各年的最低气温值的概率密度函数。
4、利用得到的概率密度函数计算M个取值区间的概率,M≥2且M为整数。
5、根据计算的M个取值区间的概率pi、以及该时间单位时各年的最低气温值中同样的M个取值区间的发生频率fi,计算检验统计量:
6、查看设定的显著性水平对应的检验统计量。
7、若计算的检验统计量小于设定的显著性水平对应的检验统计量,则判定假设成立,即该时间单位时各年的最低气温值服从正态分布;反之,判定假设不成立,即该时间单位时各年的最低气温值不服从正态分布。
需要说明的是,上述步骤1、2和5中采用的公式为概率统计中的常用公式,在此不再详述。
可选地,第一步也可以采用其它检验法依次验证一种时间单位时各年的最低气温值是否服从设定的概率分布中的各个概率分布,如柯尔莫哥洛夫-斯摩洛夫(英文:Kolmogorov-Smirnov,简称:K-S)检验。具体地,可以假设一种时间单位时各年的最低气温值服从正态分布,将其输入矩阵实验室(英文:Matrix Laboratory,简称:MATLAB)的K-S检验函数中,得到相应地渐进P值;如果渐进P值大于给定的显著水平,则说明假设成立,该时间单位时各年的最低气温值服从正态分布;反之则说明假设不成立,该时间单位时各年的最低气温值不服从正态分布。
例如,各个时间单位时各年的最低气温值得到的渐进P值可以如表三所示:
表三
可选地,第二步可以包括:
计算该时间单位时最低气温值的线性回归方程。
具体地,根据该时间单位时各年的最低气温值绘出其概率分布点,如图3所示。由图3可以看出上述概率分布点大致满足线性函数。直接根据该时间单位时各年的最低气温值xi和其概率yi,采用最大似然估计法得到线性回归方程y=a+b*x中的参数a和b:
其中,N为一种时间单位时各年的最低气温值的数量。
需要说明的是,上述步骤中采用的公式也为概率统计中的常用公式,在此不再详述。
在本实施例的另一种实现方式中,该步骤103可以包括:
第一步,确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第二步,当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用该时间单位时各年的最低气温值在设定的概率分布中服从的概率分布,确定服从的概率分布的概率密度曲线中的参数值,得到采用该时间单位时最低气温值的概率密度曲线。
具体地,本实现方式中第一步的具体实现方式,可以与上一个实现方式中第一步的具体实现方式相同,在此不再详述。
可选地,第二步可以包括:
采用最大似然估计法确定服从的概率分布的概率密度曲线中的参数值。
例如,若采用该时间单位时各年的最低气温值服从正态分布,则根据采用该时间单位时各年的最低气温值x,采用最大似然估计法确定正态分布的概率密度函数中的参数μ和σ:
步骤104:分别从至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值。
在本实施例中,确定至少两个设定的概率对应的最低气温值之后,即可参考至少两个设定的概率对应的最低气温值,预测出极地服务温度。
具体地,若概率函数为概率分布函数,则可以直接将设定的概率代入概率分布函数中,即可找到对应的最低气温值;若概率函数为概率密度函数,则先根据概率密度函数和概率分布函数之间的对应关系,由设定的概率得到对应关系中的关联值,再由关联值得到概率密度函数的取值区间,进而从取值区间中得到最低气温值。
例如,采用各种时间单位时至少两个设定的概率对应的最低气温值可以如表四所示:
表四
图4为按照表四所示的采用各种时间单位时至少两个出现概率对应的最低气温值得到时间单位、最低温度值和出现频率的对应关系图。从图4可以看出,最低气温值出现在-25℃和-35℃左右的概率较高,出现在-40℃左右的概率较低,并且各种时间单位对最低气温值的影响为5℃左右,因此可以综合这些对极地服务温度进行预测。比如,最低气温值持续一个时间段(即某个时间单位时)的出现概率,如果持续的时间段较短、出现概率较低,则该最低气温值可以忽略不计;反之,如果持续的时间段较长、出现概率较大,则需要根据该最低气温值预测极地服务温度。
需要说明的是,不同的极地服务温度,相应采用的防寒措施是不同的。如果极地服务温度预测过低,则会造成采用的防寒措施,大大增加了航行成本;如果极地服务温度预测过高,则会影响船舶的正常航行,甚至可能出现安全事故,因此极地服务温度预测的准确性对船舶在极地地位航行十分重要。
本发明实施例通过根据与船舶在极地地区航行的区域距离最近的气象站在至少两年中日期与船舶在极地地区航行的日期相同的时间段内记录的所有气温值,确定采用至少两个时间单位时各年的最低气温值,并根据确定出的各年的最低气温值,分别确定采用至少两种时间单位时最低气温值的概率函数,进而分别从至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值,从而提供出各种时间单位时最低气温的分布情况。相比于现有直接计算最低日均低温的方法,本发明提供的各种时间单位时最低气温的分布情况更为全面,相应采用的风寒防冻措施更能适应极地地区寒冷的气候,提高船舶在极地地区航行的安全性。
实施例二
本发明实施例提供了一种极地服务温度的预测装置,参见图5,该装置包括:
获取单元201,用于获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值,设定的气象站为与船舶在极地地区航行的区域距离最近的气象站,设定的时间段的日期中包括与船舶在极地地区航行的日期相同的日期;
第一确定单元202,用于采用至少两种时间单位来确定获取到的气温值中各年的最低气温值,时间单位为一持续的时间段;
第二确定单元203,用于根据确定出的各年的最低气温值,分别确定采用至少两种时间单位时最低气温值的概率函数;
第三确定单元204,用于分别从至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值。
具体地,第一确定单元可以用于,
在采用一种时间单位来确定获取到的气温值中各年的最低气温值的时候,分别将获取到的各年气温值中,相邻的多个气温值计算平均值,计算平均值的多个气温值的数量等于设定的时间段与该时间单位相除的结果;
分别在各年气温值计算的平均值中,选择最小值作为采用该时间单位时各年的最低气温值。
在本实施例的一种实现方式中,第二确定单元203可以包括:
第一确定子单元,用于确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第二确定子单元,用于当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用该时间单位时各年的最低气温值,确定采用该时间单位时最低气温值的概率分布线。
可选地,第一确定子单元可以用于,
依次采用显著性检验法验证一种时间单位时各年的最低气温值是否服从设定的概率分布中的各个概率分布。
在本实施例的另一种实现方式中,第二确定单元203可以包括:
第一确定子单元,用于确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第三确定子单元,用于当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用该时间单位时各年的最低气温值在设定的概率分布中服从的概率分布,确定服从的概率分布的概率密度曲线中的参数值,得到采用该时间单位时最低气温值的概率密度曲线。
本发明实施例通过根据与船舶在极地地区航行的区域距离最近的气象站在至少两年中日期与船舶在极地地区航行的日期相同的时间段内记录的所有气温值,确定采用至少两个时间单位时各年的最低气温值,并根据确定出的各年的最低气温值,分别确定采用至少两种时间单位时最低气温值的概率函数,进而分别从至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值,从而提供出各种时间单位时最低气温的分布情况。相比于现有直接计算最低日均低温的方法,本发明提供的各种时间单位时最低气温的分布情况更为全面,相应采用的风寒防冻措施更能适应极地地区寒冷的气候,提高船舶在极地地区航行的安全性。
需要说明的是:上述实施例提供的极地服务温度的预测装置在预测极地服务温度时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的极地服务温度的预测装置与极地服务温度的预测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种极地服务温度的预测方法,其特征在于,所述预测方法包括:
获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值,所述设定的气象站为与船舶在极地地区航行的区域距离最近的气象站,所述设定的时间段的日期中包括与船舶在极地地区航行的日期相同的日期;
采用至少两种时间单位来确定获取到的气温值中各年的最低气温值,所述时间单位为一持续的时间段;
根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数;
分别从所述至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值。
2.根据权利要求1所述的方法,其特征在于,所述根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数,包括:
确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述一种时间单位时各年的最低气温值,确定采用所述一种时间单位时最低气温值的概率分布线。
3.根据权利要求1所述的方法,其特征在于,所述根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数,包括:
确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述一种时间单位时各年的最低气温值在所述设定的概率分布中服从的概率分布,确定服从的概率分布的概率密度曲线中的参数值,得到采用所述一种时间单位时最低气温值的概率密度曲线。
4.根据权利要求2或3所述的方法,其特征在于,所述确定采用各种时间单位确定出的各年的最低气温值是否服从设定的概率分布,包括:
依次采用显著性检验法验证一种时间单位时各年的最低气温值是否服从所述设定的概率分布中的各个概率分布。
5.一种极地服务温度的预测装置,其特征在于,所述预测装置包括:
获取单元,用于获取设定的气象站在至少两年中的设定的时间段内记录的所有气温值,所述设定的气象站为与船舶在极地地区航行的区域距离最近的气象站,所述设定的时间段的日期中包括与船舶在极地地区航行的日期相同的日期;
第一确定单元,用于采用至少两种时间单位来确定获取到的气温值中各年的最低气温值,所述时间单位为一持续的时间段;
第二确定单元,用于根据确定出的各年的最低气温值,分别确定采用所述至少两种时间单位时最低气温值的概率函数;
第三确定单元,用于分别从所述至少两种时间单位对应的最低气温值的概率函数中,确定至少两个设定的概率对应的最低气温值。
6.根据权利要求5所述的装置,其特征在于,所述第二确定单元包括:
第一确定子单元,用于确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第二确定子单元,用于当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述一种时间单位时各年的最低气温值,确定采用所述一种时间单位时最低气温值的概率分布线。
7.根据权利要求5所述的装置,其特征在于,所述第二确定单元包括:
第一确定子单元,用于确定采用各种时间单位时各年的最低气温值是否服从设定的概率分布;
第三确定子单元,用于当采用一种时间单位时各年的最低气温值服从设定的概率分布时,根据采用所述一种时间单位时各年的最低气温值在所述设定的概率分布中服从的概率分布,确定服从的概率分布的概率密度曲线中的参数值,得到采用所述一种时间单位时最低气温值的概率密度曲线。
8.根据权利要求6或7所述的装置,其特征在于,所述第一确定子单元用于,
依次采用显著性检验法验证一种时间单位时各年的最低气温值是否服从所述设定的概率分布中的各个概率分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710846337.8A CN107942410B (zh) | 2017-09-19 | 2017-09-19 | 一种极地服务温度的预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710846337.8A CN107942410B (zh) | 2017-09-19 | 2017-09-19 | 一种极地服务温度的预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107942410A CN107942410A (zh) | 2018-04-20 |
CN107942410B true CN107942410B (zh) | 2020-04-21 |
Family
ID=61928681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710846337.8A Active CN107942410B (zh) | 2017-09-19 | 2017-09-19 | 一种极地服务温度的预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107942410B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102562469A (zh) * | 2011-12-27 | 2012-07-11 | 华北电力大学 | 基于校正算法的短期风力发电机输出功率预测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722766B (zh) * | 2012-06-04 | 2015-05-27 | 南京农业大学 | 基于修订的区域气候模式数据的小麦产量预测方法 |
CN103048056B (zh) * | 2012-12-18 | 2014-09-10 | 东南大学 | 一种日照温差采集样本概率密度的测定方法 |
CN103033274B (zh) * | 2012-12-18 | 2014-09-10 | 东南大学 | 一种日照温度概率密度的测定方法 |
CN103257000B (zh) * | 2013-04-09 | 2015-01-28 | 东南大学 | 一种桥梁结构日照作用分析的极值温度预测方法 |
CN103616735A (zh) * | 2013-11-28 | 2014-03-05 | 北京奇虎科技有限公司 | 天气预报方法、装置和系统 |
JP5886339B2 (ja) * | 2014-02-28 | 2016-03-16 | 中国電力株式会社 | 気温予測システム、気温予測方法 |
CN104239706B (zh) * | 2014-09-05 | 2017-08-15 | 中国科学院寒区旱区环境与工程研究所 | 一种地面观测气温时空数据集的制备方法 |
US10677962B2 (en) * | 2015-03-06 | 2020-06-09 | The Climate Corporation | Estimating temperature values at field level based on less granular data |
CN105184076B (zh) * | 2015-09-02 | 2017-11-17 | 安徽大学 | 一种遥感地表温度数据的时空一体化融合方法 |
CN106842914B (zh) * | 2016-12-12 | 2020-08-11 | 中国农业大学 | 一种温度控制节能处理方法、装置及系统 |
CN106991278B (zh) * | 2017-03-21 | 2021-01-01 | 武汉大学 | 一种集合降水预报与实时洪水概率预报的耦合方法 |
-
2017
- 2017-09-19 CN CN201710846337.8A patent/CN107942410B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102562469A (zh) * | 2011-12-27 | 2012-07-11 | 华北电力大学 | 基于校正算法的短期风力发电机输出功率预测方法 |
Non-Patent Citations (1)
Title |
---|
24-HOUR FORECAST VERIFICATION OF THE OPERATIONAL "POLAR ICE PREDICTION SYSTEM";Michael L et,at;《Ice in the Environment:Proceedings of the 16th IAHR International Symposium on Ice》;20021206;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107942410A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102054090B1 (ko) | 주유소 poi를 자동적으로 발견하는 방법, 장치, 저장 매체 및 기기 | |
CN111736148B (zh) | 卫星雷达高度计海浪有效波高的订正方法及相关装置 | |
Morozova et al. | Homogenization of Portuguese long-term temperature data series: Lisbon, Coimbra and Porto | |
CN109031372A (zh) | 一种从卫星定位数据中自动提取行驶线路关键点的方法 | |
CN107942410B (zh) | 一种极地服务温度的预测方法和装置 | |
JP2006092058A (ja) | 流量予測装置 | |
CN111325376A (zh) | 风速预测方法及装置 | |
CN110108297B (zh) | 车辆行驶数据处理方法及装置 | |
KR102391607B1 (ko) | 폭염 중기예보 시스템 및 그 방법 | |
CN111107497A (zh) | 基站指纹库数据源补充方法、装置、服务器及存储介质 | |
CN108761505B (zh) | 一种导航卫星预报轨道的处理方法及系统 | |
CN112712219B (zh) | 大气污染物浓度的预估方法、系统、电子设备及介质 | |
CN111824357B (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
CN113807560B (zh) | 一种物流成本预测方法、装置、电子设备以及存储介质 | |
CN111913238B (zh) | 基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法 | |
Egozcue et al. | Wave-height hazard analysis in Eastern Coast of Spain-Bayesian approach using generalized Pareto distribution | |
CN108376415B (zh) | 一种轨迹填充的方法及装置 | |
CN114384611B (zh) | 台风模拟区域确定方法、装置、电子设备及存储介质 | |
CN116008697A (zh) | 雷电脉冲数据电磁场一致性质控方法、装置、设备及介质 | |
CN111028482B (zh) | 远洋航行的提醒方法、装置及系统 | |
CN111988813B (zh) | 移动通信网络中弱覆盖小区的确定方法、装置和计算机设备 | |
CN111814855B (zh) | 基于残差seq2seq神经网络的全球电离层电子总含量预测方法 | |
CN113515492A (zh) | 一种基于改进时间比例的船舶轨迹数据压缩方法 | |
CN112508285A (zh) | 一种冰湖溃决动态预报方法、装置及存储介质 | |
CN116148897A (zh) | 一种数据可视化分析方法、装置、设备及芯片 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |