CN108537417B - 一种基于协同克里金法的地面气温质量控制方法 - Google Patents

一种基于协同克里金法的地面气温质量控制方法 Download PDF

Info

Publication number
CN108537417B
CN108537417B CN201810235736.5A CN201810235736A CN108537417B CN 108537417 B CN108537417 B CN 108537417B CN 201810235736 A CN201810235736 A CN 201810235736A CN 108537417 B CN108537417 B CN 108537417B
Authority
CN
China
Prior art keywords
quality control
value
air temperature
observation
data
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
Application number
CN201810235736.5A
Other languages
English (en)
Other versions
CN108537417A (zh
Inventor
叶小岭
杨帅
陈洋
陈昕
成金杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Funded Technology Jiangsu Co ltd
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201810235736.5A priority Critical patent/CN108537417B/zh
Publication of CN108537417A publication Critical patent/CN108537417A/zh
Application granted granted Critical
Publication of CN108537417B publication Critical patent/CN108537417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Air Conditioning Control Device (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明提供了一种基于协同克里金法的地面气温质量控制方法。所述基于协同克里金法的地面气温质量控制方法包括如下步骤：一、采集气象观测站的相对湿度观测数据和气温观测数据，并对采集的数据进行基本的质量控制，获得相对湿度数据集和气温观测数据集；二、分别计算湿度和温度的变异函数值；三、考虑到温度和湿度之间的关系，并构建协变异函数方程，算协变异函数值，四、构建协同克里金法质控方程计算地面气温预测结果；五、将步骤四中的预测值与实际观测值进行比较并评价模型。本发明的有益效果是：所述基于协同克里金法的地面气温质量控制方法提高了自动气象站实时观测气温的质量。

Description

一种基于协同克里金法的地面气温质量控制方法
技术领域
本发明属于气温观测技术领域，具体地涉及一种基于协同克里金法的地面气温质量控制方法。
背景技术
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。地面气象观测资料是区域或全球气候变化研究、数值天气预报、资料同化的基础，在资料应用前，对其进行质量控制，是保证资料发挥高效益的关键环节。
地面气象观测资料的质量控制分为单站质量控制与多站质量控制。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。单站质量控制是根据时间序列或同一观测站相关要素对目标要素进行质量控制，传统方法包括格式检查、界限值检查、时间一致性检查、内部一致性检查与缺测检查等。多站质量控制的核心思想就是以目标站为中心，选取一定数量或者一定范围的邻站作为参考站，通过邻站的观测值实现对目标站值的回归预测，进而通过将目标站预测值与观测值进行比较完成质量控制。常见的多站质量控制方法有空间回归检验法和反距离加权法。
但是，多站质量控制的影响因素过多，气象站实时观测气温数据的质量有待提高。
发明内容
本发明的目的在于针对现有技术的缺陷或问题，提供一种基于协同克里金法的地面气温质量控制方法。
本发明的技术方案如下：一种基于协同克里金法的地面气温质量控制方法包括如下步骤：
一、采集气象观测站的相对湿度观测数据和气温观测数据，并对采集的数据进行基本的质量控制，获得相对湿度数据集Z1(xi)和气温观测数据集Z2(xi)，其中i为观测站序列号；
二、利用公式
Figure BDA0001603871790000011
分别计算湿度和温度的变异函数值；
其中，γ(h)为实验变异函数值；h为分离距离；N(h)是分离距离为h的点对数；Z(xi)与Z(xi+h)为Z(x)在位置xi和xi+h处的观测值；
三、考虑到温度和湿度之间的关系：
Figure BDA0001603871790000021
构建协变异函数方程，
Figure BDA0001603871790000022
计算协变异函数值，
其中γ12(h)为协变异函数值，h为分离距离，Z1(x)、Z2(x)分别为相对湿度的协变量值以及地面气温的目标变量值；
四、构建协同克里金法质控方程：
Figure BDA0001603871790000023
计算地面气温预测结果，
其中，n1、n2为协变量以及目标变量数量，Z2,CK *(x0)为目标变量预测值，ψ1i为赋予各个协变量的一组权重系数，ψ2j为赋予各个目标变量的一组权重系数；
五、将步骤四中的预测值与实际观测值进行比较，通过平均绝对误差MAE、均方根误差RMSE和一致性指标IOA评价模型。
优选地，在步骤一中，对采集的数据进行基本的质量控制包括：界限值检查、极值检查、一致性检查和时变性检查。
3.根据权利要求1所述的一种基于协同克里金法的地面气温质量控制方法，其特征在于，在步骤四中，ψ1i为赋予各个协变量的一组权重系数，ψ2j为赋予各个目标变量的一组权重系数，权重值可通过如下方程组计算：
Figure BDA0001603871790000024
其中μ1、μ2为两个拉格朗日系数，γ11、γ22分别是Z1(x)、Z2(x)的变异函数模型，γ12、γ21是这两个变量的变异函数模型且γ12(h)＝γ21(h)。
优选地，在步骤五中，将预测值与观测值进行比较，若其差值满足|Z2,CK *(x0)-Z2(x0)|≤f·σ则认为数据通过检验，若不满足则认为数据可疑，对可以数据进行标记。f为质量控制参数，σ为目标站观测序列标准误差。
本发明提供的技术方案具有如下有益效果：
所述基于协同克里金法的地面气温质量控制方法通过气温与相对湿度的强耦合性，建立协同克里金方程对目标站气温观测资料进行质量控制分析，解决了目前多站质量控制方法没有考虑到其他辅助影响因素协同预测的问题，提高了自动气象站实时观测气温的质量。
附图说明
图1为本发明方法流程图；
图2为全国31个省(区、市)地面气象观测站点图；
图3为各中心站邻站范围选择及区域年均温分布图:(a)长春(b)南京(c)呼和浩特(d)兰州；
图4为广州区域四个时刻地面气温与相对湿度相关性分析图:(a)02:00(b)08:00(c)14:00(d)20:00；
图5为CK、OK与IDW法对13个区域预测结果的评价指标对比图；
图6为不同方法下13个中心观测站的检错率图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
除非上下文另有特定清楚的描述，本发明中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。
如图1所示，一种基于协同克里金法的地面气温质量控制方法，包括以下步骤：
一、采集气象观测站的相对湿度观测数据和气温观测数据，并对采集的数据进行基本的质量控制，获得相对湿度数据集Z1(xi)和气温观测数据集Z2(xi)，其中i为观测站序列号。
例如，对全国13个不同地域的观测站2004年地面定时(02：00、08:00、14:00、20:00)气温和相对湿度观测资料作为研究对象(拉萨站：55591、乌鲁木齐站：51463、兰州站：52889、呼和浩特站：53464、长春站：54161、密云站：54416、太原站：53772、南京站：58238、广州站：59287、成都站：56294、景洪站：56959、北海站：59644和海口站：59758)，以此为中心站，选取半径200km范围内观测站为邻站，对地面气温质量控制方法进行研究。
采集全国13个不同地域气象观测站相对湿度观测数据和气温观测数据并对其进行基本的质量控制，获得相对湿度数据集Z1i(t)和气温观测数据集Z2i(t)，其中i为观测站序列号；t为观测时刻。
而且，在步骤一中，对采集的数据进行基本的质量控制包括：界限值检查、极值检查、一致性检查和时变性检查。
二、利用公式
Figure BDA0001603871790000041
分别计算湿度和温度的变异函数值，
其中，γ(h)为实验变异函数值；h为分离距离；N(h)是分离距离为h的点对数；Z(xi)与Z(xi+h)为Z(x)在位置xi和xi+h处的观测值。
三、考虑到温度和湿度之间的关系：
Figure BDA0001603871790000042
构建协变异函数方程，
Figure BDA0001603871790000043
计算协变异函数值，
其中γ12(h)为协变异函数值，h为分离距离，Z1(x)、Z2(x)分别为相对湿度的协变量值以及地面气温的目标变量值。
在步骤三中构建的气温要素质量控制方程中，将相对湿度作为辅助影响因素引入协同克里金方法，从而实现建立协同克里金方程。例如，所述协变量值为相对湿度，所述目标变量值为地面气温。
例如，如图4所示的广州站湿度与温度的相关性分析图，然后构建协变异函数方程。
四、构建协同克里金法质控方程：
Figure BDA0001603871790000044
计算地面气温预测结果，
其中，n1、n2为协变量以及目标变量数量，Z2,CK *(x0)为目标变量预测值，ψ1i为赋予各个协变量的一组权重系数，ψ2j为赋予各个目标变量的一组权重系数。
在步骤四中，ψ1i为赋予各个协变量的一组权重系数，ψ2j为赋予各个目标变量的一组权重系数，权重值可通过如下方程组计算：
Figure BDA0001603871790000051
其中μ1、μ2为两个拉格朗日系数，γ11、γ22分别是Z1(x)、Z2(x)的变异函数模型，γ12、γ21是这两个变量的变异函数模型且γ12(h)＝γ21(h)。
五、将步骤四中的预测值与实际观测值进行比较，通过平均绝对误差MAE、均方根误差RMSE和一致性指标IOA评价模型。
具体地，在步骤五中：
Figure BDA0001603871790000052
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，
Figure BDA0001603871790000053
为观测平均值。
而且，将预测值与观测值进行比较，若其差值满足|Z2,CK *(x0)-Z2(x0)|≤f·σ则认为数据通过检验，若不满足则认为数据可疑，对可以数据进行标记。f为质量控制参数，σ为目标站观测序列标准误差。
需要说明的是，修正阈值δ按照公式δ＝f*σ计算，其中f为质控参数，与实际质控效果相关；σ为目标站观测序列气温数据标准误差。
六、在原始数据中随机植入误差来模拟可能产生的错误观测值，以此作为被检数据，误差值Cx通过Cx＝spx产生。其中px是均匀分布的随机数，服从区间为[-q,q]，均值为0；s为原始观测值标准差，x为误差所种入位置。
具体地，参照Hubbard等在多站中的质量控制方法研究，在原始数据中随机植入误差来模拟可能产生的错误观测值，以此作为被检数据，误差值Cx通过Cx＝spx产生。其中px是均匀分布的随机数，服从区间为[-q,q]，均值为0；s为原始观测值标准差，x为误差所种入位置。图6所示的是IDW方法、OK方法和CK方法在不同地区的检错率图。
需要说明的是，所述基于协同克里金法的地面气温质量控制方法的前提是要对目标站一定范围内的邻站一定时间内的气温观测数据和湿度观测数据进行采集，再进行一些基本的质量控制，通过克里金方程组求解各邻近观测站对目标观测站的权重，之后考虑相对湿度与气温之间的协同相关性，计算两个变量各自的变异函数，构建协变异函数方程，利用邻站气温和湿度数据对目标站气温数据进行预测，将气温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，因此该方法弥补了目前质量控制方法对邻近观测站空间分布、气温空间相关性及其湿度与气温之间的协同相关性考虑较少的缺点，提高了质量控制方法的性能。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种基于协同克里金法的地面气温质量控制方法，其特征在于：包括如下步骤：
一、采集气象观测站的相对湿度观测数据和气温观测数据，并对采集的数据进行基本的质量控制，获得相对湿度数据集Z1(xi)和气温观测数据集Z2(xi)，其中i为观测站序列号；
二、利用公式
Figure FDA0003201564580000011
分别计算湿度和温度的变异函数值；
其中，γ(h)为实验变异函数值；h为分离距离；N(h)是分离距离为h的点对数；Z(xi)与Z(xi+h)为Z(x)在位置xi和xi+h处的观测值；
三、考虑到温度和湿度之间的关系：
Figure FDA0003201564580000012
构建协变异函数方程，
Figure FDA0003201564580000013
计算协变异函数值，
其中γ12(h)为协变异函数值，h为分离距离，Z1(x)、Z2(x)分别为相对湿度的协变量值以及地面气温的目标变量值；
四、构建协同克里金法质控方程：
Figure FDA0003201564580000014
计算地面气温预测结果，
其中，n1、n2为协变量以及目标变量数量，Z2,CK *(x0)为目标变量预测值，ψ1i为赋予各个协变量的一组权重系数，ψ2j为赋予各个目标变量的一组权重系数；
五、将步骤四中的预测值与实际观测值进行比较，通过平均绝对误差MAE、均方根误差RMSE和一致性指标IOA评价模型。
2.根据权利要求1所述的一种基于协同克里金法的地面气温质量控制方法，其特征在于，在步骤一中，对采集的数据进行基本的质量控制包括：界限值检查、极值检查、一致性检查和时变性检查。
3.根据权利要求1所述的一种基于协同克里金法的地面气温质量控制方法，其特征在于，在步骤四中，ψ1i为赋予各个协变量的一组权重系数，ψ2j为赋予各个目标变量的一组权重系数，权重值可通过如下方程组计算：
Figure FDA0003201564580000021
其中μ1、μ2为两个拉格朗日系数，γ11、γ22分别是Z1(x)、Z2(x)的变异函数模型，γ12、γ21是这两个变量的变异函数模型且γ12(h)＝γ21(h)。
4.根据权利要求1所述的一种基于协同克里金法的地面气温质量控制方法，其特征在于，在步骤五中，将预测值与实际观测值进行比较，若其差值满足|Z2,CK *(x0)-Z2(x0)|≤f·σ则认为数据通过检验，若不满足则认为数据可疑，对可疑数据进行标记，f为质量控制参数，σ为目标站观测序列标准误差。
CN201810235736.5A 2018-03-21 2018-03-21 一种基于协同克里金法的地面气温质量控制方法 Active CN108537417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810235736.5A CN108537417B (zh) 2018-03-21 2018-03-21 一种基于协同克里金法的地面气温质量控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810235736.5A CN108537417B (zh) 2018-03-21 2018-03-21 一种基于协同克里金法的地面气温质量控制方法

Publications (2)

Publication Number Publication Date
CN108537417A CN108537417A (zh) 2018-09-14
CN108537417B true CN108537417B (zh) 2021-11-30

Family

ID=63485013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810235736.5A Active CN108537417B (zh) 2018-03-21 2018-03-21 一种基于协同克里金法的地面气温质量控制方法

Country Status (1)

Country Link
CN (1) CN108537417B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113282576B (zh) * 2021-05-14 2023-01-20 中国气象科学研究院 一种气象数据质量控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550784A (zh) * 2016-01-20 2016-05-04 中科宇图科技股份有限公司 一种空气质量监测站优化布点方法
CN105809321A (zh) * 2016-01-26 2016-07-27 南京信息工程大学 地面气象观测站采集气温数据的质量控制方法
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550784A (zh) * 2016-01-20 2016-05-04 中科宇图科技股份有限公司 一种空气质量监测站优化布点方法
CN105809321A (zh) * 2016-01-26 2016-07-27 南京信息工程大学 地面气象观测站采集气温数据的质量控制方法
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)

* Cited by examiner, † Cited by third party
Title
一种基于改进克里金法的地面气温质量控制算法;叶小岭等;《气候与环境研究》;20160930;第21卷(第5期);第614-619页 *

Also Published As

Publication number Publication date
CN108537417A (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
Nipen et al. Adopting citizen observations in operational weather prediction
CN114092832B (zh) 一种基于并联混合卷积网络的高分辨率遥感影像分类方法
CN109087277B (zh) 一种空气细颗粒物pm2.5测量方法
CN110517482B (zh) 一种基于3d卷积神经网络的短时交通流预测方法
CN100595782C (zh) 一种融合光谱信息和多点模拟空间信息的分类方法
Körner et al. Introducing Gradient Boosting as a universal gap filling tool for meteorological time series
CN104504389A (zh) 一种基于卷积神经网络的卫星云量计算方法
Catto et al. Can the CMIP5 models represent winter frontal precipitation?
CN113435630B (zh) 一种产流模式自适应的流域水文预报方法及系统
Ordonez et al. Functional diversity of North American broad‐leaved trees is codetermined by past and current environmental factors
CN113554466A (zh) 一种短期用电量预测模型构建方法、预测方法和装置
CN114254802B (zh) 气候变化驱动下植被覆盖时空变化的预测方法
Pan et al. Spatiotemporal dynamics of electricity consumption in China
Chen et al. Analyzing land-cover change and corresponding impacts on carbon budget in a fast developing sub-tropical region by integrating MODIS and Landsat TM/ETM+ images
CN111178304A (zh) 基于全卷积神经网络的高分辨率遥感影像像素级解译方法
CN111738494A (zh) 基于MaxEnt和ArcGIS的喜树分布预测方法
CN113987912A (zh) 一种基于地理信息的污染物在线监测系统
CN115271373A (zh) 城市群弹性开发边界划定方法及系统
CN106886564A (zh) 一种基于空间聚类订正nwp风能图谱的方法及装置
CN104850677A (zh) 基于地理信息系统的深度学习元胞自动机仿真分析方法
CN115758270A (zh) 基于随机森林与环境变量的土壤矿物结合态有机碳预测方法及装置
CN108537417B (zh) 一种基于协同克里金法的地面气温质量控制方法
CN105303258B (zh) 基于机器学习技术预报模型的太阳爆发事件预报方法
CN113393051A (zh) 基于深度迁移学习的配电网投资决策方法
CN117010274B (zh) 一种基于集成增量学习的地下水有害元素智能预警方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230530

Address after: Room 2301, Building 1, Lingyu Business Plaza, No. 66 Qinglonggang Road, High Speed Rail New City, Xiangcheng District, Suzhou City, Jiangsu Province, 215000

Patentee after: China funded Technology (Jiangsu) Co.,Ltd.

Address before: 210044, No. 219, Ning six road, Pukou District, Jiangsu, Nanjing

Patentee before: Nanjing University of Information Science and Technology