CN108154271A - 一种基于空间相关性和曲面拟合的地面气温质量控制方法 - Google Patents
一种基于空间相关性和曲面拟合的地面气温质量控制方法 Download PDFInfo
- Publication number
- CN108154271A CN108154271A CN201711460389.8A CN201711460389A CN108154271A CN 108154271 A CN108154271 A CN 108154271A CN 201711460389 A CN201711460389 A CN 201711460389A CN 108154271 A CN108154271 A CN 108154271A
- Authority
- CN
- China
- Prior art keywords
- station
- spatial coherence
- quality control
- target station
- air temperature
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本发明公开了一种基于空间相关性和曲面拟合的地面气温质量控制方法,该方法先对目标站附件的参考站一定时间内的气温数据进行采集,再进行基本的质量控制,通过参考站与目标站的欧氏距离和方位角来确定他们之间的相对位置,因而利用每个参考站和目标站气温要素之间的空间相关性,构造一个空间相关性函数,并对测试集利用B样条进行曲面拟合,得到一个将空间相关性和B样条曲面拟合结合的质量控制模型,然后利用测试集对目标站气温数据进行预测,将预测值和实际观测值进行对比,最后对目标站原始数据植入人工误差,观察模型的检错率大小。该方法有效地利用了我国地面气象资料,对比于传统的空间质量控制算法有着更好的预测效果和检错效果。
Description
技术领域
本发明涉及一种地面气温数据质量控制方法,尤其涉及一种基于空间相关性和B样条曲面拟合的地面气温数据质量控制方法。
背景技术
在全球气候变化研究、数值天气预报技术、资料同化技术不断发展的前提下,对地面气象观测资料的质量控制是保证资料发挥高效益的关键环节。近年来,地面气象观测站的数目越来越多,随之产生的气象数据也越来越庞大,对地面气象观测数据的质量要求必然也越来越高。
地面气象观测资料的质量控制可以分成两种情况,一种是单站质量控制,即对单一的目标站进行质量控制。当被检观测站周围观测站数量较少,或者说周围观测站无法提供有效的参考资料时,单站质量控制是保障观测资料质量控制有效性的重要手段之一,是多站质量控制的基本前提。常见的单站质量控制方法有格式检查、极值检验、时间一致性检验、界限值检验和时变检验。常见的多站质量控制方法有空间回归检验法(SpatialRegression Test)、反距离加权法(Inverse Distance Weighting),但从方法原理上来看,IDW算法仅仅考虑到各参考站和目标站的距离,完全忽略了站点之间的空间相关性以及站点自身的空间自相关,因此预测的精度要大打折扣;SRT算法相对于IDW算法的优势在于SRT选择了最小RMSE的站点进行加权预测,但还是没有考虑到空间相关性的因素。
发明内容
本发明为了解决现有技术中存在的问题,提供一种预测指标的精度高的基于空间相关性和B样条曲面拟合的地面气温数据质量控制方法。
为了达到上述目的,本发明提出的技术方案为:一种基于空间相关性和曲面拟合的地面气温质量控制方法,其特征在于:该方法包括以下步骤:
步骤一、选取目标站地面气温观测资料一段时间序列以及目标站300km范围内邻站观测资料同时段序列{Yit,t=1,2,3,…T,i=1,2,3…N},其中t为时间,i为邻站序号;
步骤二、计算邻站与目标站之间的欧氏距离disi(0<disi≤dismax)以及对应的方位角angt(0≤angt≤360),并计算每一时刻目标站与邻近站观测值的差θit,构造成的目标站与邻近站气温观测值的空间相关性矩阵:
步骤三、计算每个邻站与目标站的气温平均绝对误差,选择空间相关性大的参考站的数据作为训练样本,利用B样条曲面对矩阵J进行曲面拟合,得到关于disi和angi的空间相关性曲面函数li(disi,angi);
步骤四、建立目标站的观测数据预测模型: 其中ωi表示为第i个邻站的的权重,k为ωi的变化系数,在这里取k=1;
步骤五、根据得到的空间相关性曲面函数li(disi,angi)和目标站观测数据预测模型,利用测试样本的气温值对目标站进行预测,并得到预测值Yest;
步骤六、将预测值与实际观测值进行比较,通过平均绝对误差和均方根误差评价模型,其中n为样本点数,Z*(xi)为第i个预测值,Z(xi)为第i个观测值,为观测平均值。
对上述技术方案得进一步设计为:地面气温空间相关性大小采用皮尔逊系数作为描述空间相关性大小的参数。
步骤三中的邻站观测值变为
将预测值与实际观测值进行比较后,若其差值满足则认为数据通过检验,若不满足则认为数据可疑,并对可疑数据进行标记,其中f为质量控制参数,σ为目标站观测序列标准误差。
邻站与目标站之间的方位角的计算规则为,当邻站位于目标站的正北方向时方位角为0°,且沿顺时针方向为正值。
与现有技术相比,本发明的有益效果是:
BSF算法不仅考虑到了每个参考站和目标站的空间相关性大小,另外还选择了与目标站气温平均绝对误差最小的站点作为最终的测试样本,赋予每个测试样本的权重采用的是指数模型,所以预测指标的精度会比IDW和SRT方法高。
本发明的BSF算法不仅考虑到了参考站与目标站之间的距离大小,还考虑到了站点的分布特征以及各参考站和目标站之间的空间相关性的大小,因此取得了比SRT算法和IDW算法更好的预测性能。
附图说明
图1为本发明方法流程图;
图2为被检站附近300Km内邻站分布图;
图3为被检站附近区域半变异函数图(各项同性和各向异性图);
图4为本发明方法与反距离加权和空间回归检验法的MAE、RMSE效果对比图;
图5为不同f值下三种方法的检错率对比图;
具体实施方式
下面结合附图以及具体实施例对本发明进行详细说明。
实施例
本实施例的基于空间相关性和曲面拟合的地面气温质量控制方法的流程图,如图1所示,首先要采集被检站和邻站在一定时间序列内的气温资料;然后对数据进行基本的质量控制(气象要素数据的基本质量控制包括:极值检查、空间一致性检查、时间一致性检查、格式检查等等。这些都属于基本的质量控制方法,是处理数据的首先步骤。接着,数据分化为训练样本和测试样本,利用训练即样本构建空间相关性函数并利用B样条进行曲面拟合;最后利用测试集数据对被检站气温进行预测,比较采集值和预测值,进行条件修正,完成质量控制。
以下将对本实施例目标站的每一个季度气温平均值作为观测资料进行实施例分析,进一步说明本发明:
步骤1:采集采样时间T内的目标站地面气温观测站温度数据T=1096为样本数。
步骤2:采集采样时间T内图2所示的107个邻站的地面气温观测站温度数据{Yit,t=1,2,3,…T,i=1,2,3…N},N=107为邻站的总个数.
步骤3:对采集到的数据Yit进行基本的质量控制,得到新的数据集。
步骤4:对数据进行分化,本实施例为了是能更加有效的提高方法的预测精度,选择99个邻站的气温序列数据作为训练集数据,8个最小的邻站的气温序列数据作为测试数据。
步骤5:如图3所示,对区域内的站点之间的气温空间相关性进行分析,利用训练集样本数据建立一个空间相关性函数,并利用B样条曲面拟合的方法对曲面进行拟合。
步骤6:根据步骤5建立预测方程模型: 预测出目标站的气温值。
步骤7:如图4所示,将每一个季度BSF方法、SRT方法和IDW方法对目标站的预测值与实际观测值进行比较,通过平均绝对误差(MAE)和均方根误差(RMSE)比较BSF算法的预测效果,如图所示,本发明的BSF方法相比于其他两种方法平均绝对误差和均方根误差均要小。
步骤8:如图5所示,为了分析本方法的检错效果,选择了不同的质控参数f值的情况下,BSF方法与SRT方法和IDW方法进行了对比,如图所示,本发明的BSF方法相比于其他两种方法检错率更低。
本发明的技术方案不局限于上述各实施例,凡采用等同替换方式得到的技术方案均落在本发明要求保护的范围内。
Claims (5)
1.一种基于空间相关性和曲面拟合的地面气温质量控制方法,其特征在于:该方法包括以下步骤:
步骤一、选取目标站地面气温观测资料一段时间序列以及目标站300km范围内邻站观测资料同时段序列{Yit,t=1,2,3,…T,i=1,2,3…N},其中t为时间,i为邻站序号;
步骤二、计算邻站与目标站之间的欧氏距离disi(0<disi≤dismax)以及对应的方位角angt(0≤angt≤360),并计算每一时刻目标站与邻近站观测值的差θit,构造成的目标站与邻近站气温观测值的空间相关性矩阵:
步骤三、计算每个邻站与目标站的气温平均绝对误差,选择空间相关性大的参考站的数据作为训练样本,利用B样条曲面对矩阵J进行曲面拟合,得到关于disi和angi的空间相关性曲面函数li(disi,angi);
步骤四、建立目标站的观测数据预测模型: 其中ωi表示为第i个邻站的的权重,k为ωi的变化系数,在这里取k=1;
步骤五、根据得到的空间相关性曲面函数li(disi,angi)和目标站观测数据预测模型,利用测试样本的气温值对目标站进行预测,并得到预测值Yest;
步骤六、将预测值与实际观测值进行比较,通过平均绝对误差和均方根误差评价模型,其中n为样本点数,Z*(xi)为第i个预测值,Z(xi)为第i个观测值,为观测平均值。
2.根据权利要求1所述的基于空间相关性和曲面拟合的地面气温质量控制方法,其特征在于:地面气温空间相关性大小采用皮尔逊系数作为描述空间相关性大小的参数。
3.根据权利要求1所述的基于空间相关性和曲面拟合的地面气温质量控制方法,其特征在于:步骤三中的邻站观测值变为
4.根据权利要求1所述的基于空间相关性和曲面拟合的地面气温质量控制方法,其特征在于:将预测值与实际观测值进行比较后,若其差值满足则认为数据通过检验,若不满足则认为数据可疑,并对可疑数据进行标记,其中f为质量控制参数,σ为目标站观测序列标准误差。
5.根据权利要求1所述的基于空间相关性和曲面拟合的地面气温质量控制方法,其特征在于:邻站与目标站之间的方位角的计算规则为,当邻站位于目标站的正北方向时方位角为0°,且沿顺时针方向为正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711460389.8A CN108154271A (zh) | 2017-12-28 | 2017-12-28 | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711460389.8A CN108154271A (zh) | 2017-12-28 | 2017-12-28 | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108154271A true CN108154271A (zh) | 2018-06-12 |
Family
ID=62462764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711460389.8A Pending CN108154271A (zh) | 2017-12-28 | 2017-12-28 | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154271A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241070A (zh) * | 2018-08-22 | 2019-01-18 | 南京信息工程大学 | 一种基于大数据的气象数据不一致性的时间维度统一方法 |
CN110989046A (zh) * | 2019-12-25 | 2020-04-10 | 中国气象局气象探测中心 | 一种锚碇浮标站数据质量控制方法系统 |
CN111460695A (zh) * | 2020-05-07 | 2020-07-28 | 南京信息工程大学 | 一种基于余弦相似度和移动曲面拟合的地面气温质量控制方法 |
CN111860988A (zh) * | 2020-07-08 | 2020-10-30 | 南京信息工程大学 | 基于遗传算法和移动曲面拟合的地面气温质量控制方法 |
CN111985144A (zh) * | 2020-09-27 | 2020-11-24 | 江西师范大学 | 一种地学数据多参数协同优化的idw插值方法 |
CN112990701A (zh) * | 2021-03-12 | 2021-06-18 | 南京信息工程大学 | 一种基于eof的自动站温度资料质量控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503458A (zh) * | 2016-10-26 | 2017-03-15 | 南京信息工程大学 | 一种地面气温数据质量控制方法 |
CN106920013A (zh) * | 2017-03-15 | 2017-07-04 | 南京信息工程大学 | 一种地面气温观测资料的质量控制方法 |
-
2017
- 2017-12-28 CN CN201711460389.8A patent/CN108154271A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503458A (zh) * | 2016-10-26 | 2017-03-15 | 南京信息工程大学 | 一种地面气温数据质量控制方法 |
CN106920013A (zh) * | 2017-03-15 | 2017-07-04 | 南京信息工程大学 | 一种地面气温观测资料的质量控制方法 |
Non-Patent Citations (1)
Title |
---|
熊雄等: "基于空间观测差异的地面气温资料质量控制算法研究", 《地球物理学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241070A (zh) * | 2018-08-22 | 2019-01-18 | 南京信息工程大学 | 一种基于大数据的气象数据不一致性的时间维度统一方法 |
CN110989046A (zh) * | 2019-12-25 | 2020-04-10 | 中国气象局气象探测中心 | 一种锚碇浮标站数据质量控制方法系统 |
CN111460695A (zh) * | 2020-05-07 | 2020-07-28 | 南京信息工程大学 | 一种基于余弦相似度和移动曲面拟合的地面气温质量控制方法 |
CN111460695B (zh) * | 2020-05-07 | 2023-08-25 | 南京信息工程大学 | 一种基于余弦相似度和移动曲面拟合的地面气温质量控制方法 |
CN111860988A (zh) * | 2020-07-08 | 2020-10-30 | 南京信息工程大学 | 基于遗传算法和移动曲面拟合的地面气温质量控制方法 |
CN111985144A (zh) * | 2020-09-27 | 2020-11-24 | 江西师范大学 | 一种地学数据多参数协同优化的idw插值方法 |
CN111985144B (zh) * | 2020-09-27 | 2023-07-18 | 江西师范大学 | 一种地学数据多参数协同优化的idw插值方法 |
CN112990701A (zh) * | 2021-03-12 | 2021-06-18 | 南京信息工程大学 | 一种基于eof的自动站温度资料质量控制方法 |
CN112990701B (zh) * | 2021-03-12 | 2023-06-23 | 南京信息工程大学 | 一种基于eof的自动站温度资料质量控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154271A (zh) | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 | |
Lelovics et al. | Design of an urban monitoring network based on Local Climate Zone mapping and temperature pattern modelling | |
CN111414991B (zh) | 一种基于多元回归的气象锋面自动识别方法 | |
WO2020207070A1 (zh) | 深圳海域水质评价方法及系统 | |
CN106920013A (zh) | 一种地面气温观测资料的质量控制方法 | |
CN104008278B (zh) | 一种基于特征向量和最小二乘支持向量机的pm2.5浓度预测方法 | |
Ren et al. | Improving monthly streamflow prediction in alpine regions: integrating HBV model with Bayesian neural network | |
CN111665575B (zh) | 一种基于统计动力的中长期降雨分级耦合预报方法及系统 | |
CN105809321A (zh) | 地面气象观测站采集气温数据的质量控制方法 | |
CN111680870B (zh) | 目标运动轨迹质量综合评估方法 | |
CN110211325A (zh) | 一种基于气象大数据的区域道路结冰高精度监测预警系统 | |
Mo et al. | Estimating the extreme wind speed for regions in China using surface wind observations and reanalysis data | |
CN105891833A (zh) | 基于多普勒雷达信息识别暖云降水率的方法 | |
Li et al. | Effects of spatial resolution of remotely sensed data on estimating urban impervious surfaces | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN104680151B (zh) | 一种顾及雪覆盖影响的高分辨全色遥感影像变化检测方法 | |
CN113108918B (zh) | 一种极轨气象卫星热红外遥感数据反演气温方法 | |
CN113447137B (zh) | 一种面向无人机宽波段热像仪的地表温度反演方法 | |
CN111160680A (zh) | 一种基于信息同化融合的农业干旱评估方法 | |
Wang et al. | Assessment of land suitability potentials for selecting winter wheat cultivation areas in Beijing, China, using RS and GIS | |
CN116805439A (zh) | 一种基于人工智能和大气环流机制的干旱预报方法及系统 | |
van der Plas et al. | A comparative verification of high-resolution precipitation forecasts using model output statistics | |
CN107403004A (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
CN108614803A (zh) | 一种气象数据质量控制方法及系统 | |
CN116760017A (zh) | 一种光伏发电的预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180612 |
|
RJ01 | Rejection of invention patent application after publication |