CN110837902A - 一种松弛逼近资料同化方法及系统 - Google Patents
一种松弛逼近资料同化方法及系统 Download PDFInfo
- Publication number
- CN110837902A CN110837902A CN201810927873.5A CN201810927873A CN110837902A CN 110837902 A CN110837902 A CN 110837902A CN 201810927873 A CN201810927873 A CN 201810927873A CN 110837902 A CN110837902 A CN 110837902A
- Authority
- CN
- China
- Prior art keywords
- observation
- data
- coefficient
- observation data
- influence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims description 24
- 230000007704 transition Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000005436 troposphere Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明涉及一种松弛逼近资料同化方法及系统,为观测数据定义质量权重系数;通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数和垂直影响系数;根据质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改;根据修改后的预报方程完成资料同化。上述方案以解决变分同化方法中分析场过于平滑的问题为前提,对观测数据的空间影响进行合理优化,有利于提升数值天气预报精度。
Description
技术领域
本发明涉及数值天气预报领域,具体涉及一种松弛逼近资料同化方法及系统。
背景技术
数值天气预报的准确与否,很大程度上取决于对当前大气状态的估计(初值)和合适的地面及侧边界条件,初值估计的越精确,预报的质量就越好。资料同化,就是利用现有的观测数据来尽可能真实的反演出大气状态,从而为数值天气预报提供精确的初值。现有的资料同化方法,主要包括最优插值、三维变分、四维变分、卡曼滤波同化、松弛逼近等方法。
最优插值法,是用观测站上的观测增量插值到格点上的分析增量,它的权重函数是由大气的统计结构和观测误差所决定出的统计意义上的最佳权重,可保证分析误差的方差达到最小。而该方法的不足之处在于,在分析过程中没有考虑到观测数据的误差,以及在插值过程中产生的误差。其次,观测资料是以线性的形式来影响分析,而实际情况却是非线性的。
三维变分、四维变分方法求解分析变量的误差函数最小值,使得分析变量与背景场和观测场距离的代价函数达到最小值,这样就同时考虑了观测误差、背景场误差,而且这个分析是非线性的。然而该方法的不足之处在于,分析过程中对于观测资料和背景场的误差只估计一次,好像预报误差是统计静止的一般。其次,由于使用了随时间积累的误差统计矩阵,因此所得到的分析场会过于平滑,这就有可能抑制对于中尺度预报而言十分重要的中小尺度过程,给中尺度数值预报带来误差。
卡曼滤波法,是通过对模式在短时间过程中的非线性演化进行线性化处理,既考虑进预报时刻之前的所有误差统计,也考虑进误差随时间的演变情况,从而得到新时刻的预报结果。该方法解决了变分同化中对于误差只估计一次的缺陷,但仍然存在所得到的分析场会过于平滑的问题,仍然会可能抑制对于中尺度预报而言十分重要的中小尺度过程。
松弛逼近法,是在预报开始之前的一段时间内,通过在一个或几个预报方程中增加与预报和实况的差值成比例的虚假倾向项,在可使用观测资料的时段内,使模式解逼近实测资料,并使变量之间达到动力协调。例如,对于水平风速的预报方程可写成:
其中方程的前4项属于普通的风速预报方程,第5项为松弛逼近项,通过此项可以使得观测数据同化融入模拟数据。张弛时间尺度τu一般是基于经验考虑和根据变量来进行选择的,一般张驰时间尺度τu的选择应当使方程的最后一项在量级上与次支配项相同。
松弛逼近法的优点在于可解决分析场过于平滑的问题,但依旧存在观测数据无法合理同化,导致数值天气预报精度偏低的缺陷。
发明内容
为了克服上述缺陷,本发明提供一种松弛逼近资料同化方法及系统,优化了松弛逼近方法中观测数据的空间影响方式,克服了松弛逼近同化方法中未考虑观测数据空间影响范围的缺陷,有利于提升数值天气预报精度。
本发明是采用下述技术方案实现的:
为观测数据定义质量权重系数;
通过预测数值天气预报模式中格点的影响范围,确定所述观测数据的水平影响系数和垂直影响系数;
根据所述质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改;
根据修改后的预报方程完成资料同化。
优选的,所述为观测数据定义质量权重系数包括:
获取处于正常阈值范围内的观测数据;
将所述观测数据中跃变值大于预先定义跃变阈值的观测数据删除;
对已删除所述跃变值大于预先定义跃变阈值后的观测数据进行检测,将通过检测的观测数据的质量权重系数置为1,将未通过检测的观测数据的质量权重系数置为0;
其中,所述观测数据包括:风速、风向、气温、相对湿度、气压和辐照度。
进一步地,通过下式确定处于正常阈值范围内的观测数据:
风速∈[0m/s,60m/s];
风向∈[0°,360°];
气温∈[-40℃,60℃];
相对湿度∈[0,100%];
气压∈[500hPa,1100hPa];
辐照度∈[0W/m2,2000W/m2]。
进一步地,通过下式确定观测数据的跃变值:
式中,t表示预先定义的跃变阈值,g(xj,xi)为相邻观测数据的跃变值,d为相邻观测数据之间的距离。
进一步地,所述对已删除跃变值大于预先定义跃变阈值后的观测数据进行检测包括:通过对比获得各观测点与所处区域气候平均值之间的差值,若所述差值小于5σ,则检测通过;否则,将差值大于5σ的观测点与其预先定义的距离阈值内其他观测点进行对比,若所述观测点与其预先定义的距离阈值内其他观测点的差值均小于5σ,则检测通过;其中,σ表示观测数据的标准差。
优选的,所述通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数包括:
基于每个观测点,在各观测点对应的数值天气预报模式中最近的格点i,以及与所述格点i相邻格点间的历史气象要素相关系数;
根据预先定义的所述历史气象要素相关系数的边界值,计算各观测点的水平影响范围R,并将处于R范围内的观测数据水平影响系数置为所述水平影响范围的反比例系数,将处于R以外的观测数据水平影响系数置为0。
进一步地,通过下式确定观测数据的水平影响系数:
式中,Wh表示观测数据的水平影响系数,rik表示格点i与相邻格点k间的历史气象要素相关系数。
优选的,通过下式确定观测数据的垂直影响系数:
式中,Wv表示观测数据的垂直影响系数,H为观测数据的垂直影响范围,hik为格点i与相邻格点k之间的高度差。
优选的,通过下式确定预先建立的预报方程:
修改所述松弛逼近项后的预报方程如下式:
式中,Wqc为质量权重系数、Wh为水平影响系数,Wv为垂直影响系数,τu表示张弛时间尺度。
一种松弛逼近资料同化系统,所述系统包括:
定义模块,用于为观测数据定义质量权重系数;
确定模块,用于通过预测数值天气预报模式中格点的影响范围,确定所述观测数据的水平影响系数和垂直影响系数;
修订模块,用于根据所述质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改;
同化模块,根据修改后的预报方程完成资料同化。
优选的,所述定义模块包括:
获取单元,用于获取处于正常阈值范围内的观测数据;
处理单元,用于将所述观测数据中跃变值大于预先定义跃变阈值的观测数据删除;
设置单元,用于对已删除所述跃变值大于预先定义跃变阈值后的观测数据进行检测,将通过检测的观测数据的质量权重系数置为1,将未通过检测的观测数据的质量权重系数置为0。
进一步地,所述设置单元包括:对比子单元,用于通过对比获得各观测点与所处区域气候平均值之间的差值,若所述差值小于5σ,则检测通过;否则,将差值大于5σ的观测点与其预先定义的距离阈值内其他观测点进行对比,若所述观测点与其预先定义的距离阈值内其他观测点的差值均小于5σ,则检测通过。
优选的,所述确定模块包括:
第一确认单元,用于通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数;
第二确认单元,用于通过下式确定观测数据的垂直影响系数:
式中,Wv表示观测数据的垂直影响系数,H为观测数据的垂直影响范围,hik为格点i与相邻格点k之间的高度差。
进一步地,所述第一确认单元包括:
选取子单元,用于获取观测点M在对应的数值天气预报模式中最近的格点i,以及所述格点i与相邻格点k间的历史气象要素相关系数;
计算子单元,用于根据预先定义的所述历史气象要素相关系数的边界值,计算各观测点的水平影响范围R;
确定子单元,用于将处于R范围内的观测数据水平影响系数置为所述水平影响范围的反比例系数,将处于R以外的观测数据水平影响系数置为0。
优选的,所述修订模块包括:同化单元,用于根据所述质量权重系数、水平影响系数和垂直影响系数将预先建立的预报方程:
修改为:
式中,Wqc为质量权重系数、Wh为水平影响系数,Wv为垂直影响系数,τu表示张弛时间尺度。
与最接近的现有技术相比,本发明具有的有益效果如下:
本发明提供一种松弛逼近资料同化方法及系统,针对松弛逼近同化方法中未考虑观测数据的空间影响范围的问题,为观测数据定义质量权重系数;通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数和垂直影响系数;根据质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改;根据修改后的预报方程完成资料同化。在松弛逼近方程中添加了观测数据的空间权重系数,考虑了数据质量,从而使得观测数据在合理的空间范围内修正模拟数据。本发明方案的提出,既可解决变分同化方法中分析场过于平滑的问题,又优化了松弛逼近方法中观测数据的空间影响方式,有利于提升数值天气预报精度,可有效提升观测数据同化的效果。
附图说明
图1是本发明实施例中提供的方法流程图;
图2是本发明实施例中提供的松弛逼近资料同化方法技术路线图;
图3是本发明实施例中提供的观测数据水平影响范围示意图;其中,空心圆圈代表格点、实心黑块代表不规则分布的观测点;
图4是本发明实施例中提供的修正观测数据水平影响范围的重叠情况示意图;
图5是本发明实施例中提供的观测数据垂直影响范围示意图;其中,空心圆圈代表格点、实心黑块代表不规则分布的观测点。
具体实施方式
下面结合附图,对本发明方法的实施方案详细描述。
结合图1和图2,本发明提供一种松弛逼近资料同化方法,包括:
S1为观测数据定义质量权重系数;
S2通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数和垂直影响系数;
S3根据质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改。
S4根据修改后的预报方程完成资料同化。
基于修改松弛逼近项的预报方程,对观测数据进行同化;从而有效提升观测数据同化的效果和数值天气预报精度。
步骤S1具体的执行过程包括:
1)首先进行观测数据不正常超阈值和不正常跃值的检查,未通过检查的数据,将其质量权重系数Wqc为0。根据《光伏电站太阳能资源实时监测规定》(能源行标,NB/T 32012-2013),风速正常阈值范围为0至60m/s,风向为0至360°,气温为-40至60℃,相对湿度为0至100%,气压为500至1100hPa,辐照度为0至2000W/m2,数据应在正常阈值范围内,否则为不正常超阈值数据。根据《光伏电站太阳能资源实时监测规定》(能源行标,NB/T 32012-2013),风速5分钟最大变化值为20m/s,风向为360°,气温为2℃,相对湿度为5%,气压为0.3hPa,辐照度为800W/m2,连续数据的跃值不应超过该标准,否则为不正常跃值数据。通过该步检查的数据进行下一步检查。
2)然后使观测数据同气候平均进行对比,以及同周围观测进行对比,未通过检查的数据,将其质量权重系数Wqc为0。将每个观测值与该点的气候平均对比,看是否在合理范围内,如果观测值同气候平均的差小于5倍的标准差,则通过该检查,若大于5倍的标准差,则对比它与周围10公里范围以内的观测点的差,若标准差小于5倍则通过该检查,若大于5倍的标准差则将其质量权重系数Wqc为0。通过该步检查的数据其质量权重系数Wqc一律设置为1。
步骤S1中,为观测数据定义质量权重系数包括:获取处于正常阈值范围内的观测数据,滤掉所述观测数据中跃变值大于预先定义跃变阈值的对象,并对剩余的观测数据进行检测;将通过检测的观测数据的质量权重系数置为1,未通过则置为0;
其中,所述观测数据包括:风速、风向、气温、相对湿度、气压和辐照度。
通过下式确定处于正常阈值范围内的观测数据:
风速∈[0m/s,60m/s]
风向∈[0°,360°]
气温∈[-40℃,60℃]
相对湿度∈[0,100%]
气压∈[500hPa,1100hPa]
辐照度∈[0W/m2,2000W/m2]。
通过下式确定观测数据的跃变值:
式中,t表示预先定义的跃变阈值,g(xj,xi)为相邻观测数据的跃变值,d为相邻观测数据之间的距离。
对剩余的观测数据进行检测包括:通过对比获得各观测点与所处区域气候平均值之间的差值,若所述差值小于5σ,则检测通过;否则,将差值大于5σ的观测点与其预先定义的距离阈值(这里取10公里内)其他观测点进行对比,若所述观测点与其预先定义的距离阈值(这里取10公里)内其他观测点的差值均小于5σ,则检测通过;其中,σ表示观测数据的标准差。
步骤S2通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数和垂直影响系数:
a,获取观测点M在对应的数值天气预报模式中最近的格点i,以及所述格点i与相邻格点间的历史气象要素相关系数;
b,根据预先定义的所述历史气象要素相关系数的边界值,计算各观测点的水平影响范围R,并将处于R范围内的观测数据水平影响系数置为所述水平影响范围的反比例系数,将处于R以外的观测数据水平影响系数置为0。如图3所示,以相关系数0.7为边界,得到影响最远的距离R,只有在R内的格点,才会被观测数据影响。因此,凡是落在R以内的,其权重系数Wh同距离成反比(数值在0-1间),而落在R以外的,Wh为0。
当观测数据很密时,各个观测值的水平影响范围会重叠,此时重叠范围内的格点修正方案会引起混乱,因此需要规定一个重叠情况下R的修正方案。规定如下,当有重叠时即减小双方水平影响范围R的半径,直到没有重叠为止,如图4所示,左图为影响范围的半径修正前,右图为修正后。
通过下式确定观测数据的水平影响系数:
式中,Wh表示观测数据的水平影响系数,rik表示格点i与相邻格点k间的历史气象要素相关系数。
c,然后分析垂直影响系数Wv。地面的观测点(高空的观测点很少,不考虑),令其垂直影响范围扩展至对流层顶部H,其随高度的变化关系遵循理想廓线关系,超出对流层系数为0,如图5所示,只有在垂直影响范围H及水平影响范围R内的格点才会被观测数据影响。例如风速数据的观测高度为10m高度,通过下式确定观测数据的垂直影响系数:
式中,Wv表示观测数据的垂直影响系数,H为观测数据的垂直影响范围,hik为格点k的高度,hik为格点i与相邻格点k之间的高度差。
步骤S3包括:通过下式确定预先建立的预报方程:
修改所述松弛逼近项后的预报方程如下式:
式中,Wqc为质量权重系数、Wh为水平影响系数,Wv为垂直影响系数,τu表示张弛时间尺度。
相比于预先建立的预报原方程,修改了其中的第五项(松弛逼近项),将质量权重系数Wqc、水平影响系数Wh和垂直影响系数Wv乘在了原项上。这样就实现了观测数据在一定的水平和垂直范围内修正格点的模拟数据,而不影响超出这个范围的格点,因此优化了松弛逼近项的空间影响描述。并且同时考虑了数据质量,可有效提升观测数据同化的效果。
基于同一发明构思,本发明实施例还提供一种松弛逼近资料同化系统,包括:
定义模块,用于为观测数据定义质量权重系数;
确定模块,用于通过预测数值天气预报模式中格点的影响范围,确定所述观测数据的水平影响系数和垂直影响系数;
修订模块,用于根据所述质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改;
同化模块,用于根据修改后的预报方程完成资料同化。
其中,定义模块包括:
获取单元,用于获取处于正常阈值范围内的观测数据;
处理单元,用于将所述观测数据中跃变值大于预先定义跃变阈值的观测数据删除;
设置单元,用于对已删除所述跃变值大于预先定义跃变阈值后的观测数据进行检测,将通过检测的观测数据的质量权重系数置为1,将未通过检测的观测数据的质量权重系数置为0。
设置单元包括:对比子单元,用于通过对比获得各观测点与所处区域气候平均值之间的差值,若所述差值小于5σ,则检测通过;否则,将差值大于5σ的观测点与其预先定义的距离阈值内其他观测点进行对比,若所述观测点与其预先定义的距离阈值内其他观测点的差值均小于5σ,则检测通过。
确定模块包括:
第一确认单元,用于通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数;
第二确认单元,用于通过下式确定观测数据的垂直影响系数:
式中,Wv表示观测数据的垂直影响系数,H为观测数据的垂直影响范围,hik为格点i与相邻格点k之间的高度差。
第一确认单元包括:
选取子单元,用于获取观测点M在对应的数值天气预报模式中最近的格点i,以及所述格点i与相邻格点k间的历史气象要素相关系数;
计算子单元,用于根据预先定义的所述历史气象要素相关系数的边界值,计算各观测点的水平影响范围R;
确定子单元,用于将处于R范围内的观测数据水平影响系数置为所述水平影响范围的反比例系数,将处于R以外的观测数据水平影响系数置为0。
修订模块包括:同化单元,用于根据所述质量权重系数、水平影响系数和垂直影响系数将预先建立的预报方程:
修改为:
式中,Wqc为质量权重系数、Wh为水平影响系数,Wv为垂直影响系数,τu表示张弛时间尺度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,这些变更、修改或者等同替换,其均在其申请待批的权利要求范围之内。
Claims (15)
1.一种松弛逼近资料同化方法,其特征在于,所述方法包括:
为观测数据定义质量权重系数;
通过预测数值天气预报模式中格点的影响范围,确定所述观测数据的水平影响系数和垂直影响系数;
根据所述质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改;
根据修改后的预报方程完成资料同化。
2.如权利要求1所述的方法,其特征在于,所述为观测数据定义质量权重系数包括:
获取处于正常阈值范围内的观测数据;
将所述观测数据中跃变值大于预先定义跃变阈值的观测数据删除;
对已删除所述跃变值大于预先定义跃变阈值后的观测数据进行检测,将通过检测的观测数据的质量权重系数置为1,将未通过检测的观测数据的质量权重系数置为0;
其中,所述观测数据包括:风速、风向、气温、相对湿度、气压和辐照度。
3.如权利要求2所述的方法,其特征在于,通过下式确定处于正常阈值范围内的观测数据:
风速∈[0m/s,60m/s];
风向∈[0°,360°];
气温∈[-40℃,60℃];
相对湿度∈[0,100%];
气压∈[500hPa,1100hPa];
辐照度∈[0W/m2,2000W/m2]。
5.如权利要求2所述的方法,其特征在于,所述对已删除跃变值大于预先定义跃变阈值后的观测数据进行检测包括:通过对比获得各观测点与所处区域气候平均值之间的差值,若所述差值小于5σ,则检测通过;否则,将差值大于5σ的观测点与其预先定义的距离阈值内其他观测点进行对比,若所述观测点与其预先定义的距离阈值内其他观测点的差值均小于5σ,则检测通过;其中,σ表示观测数据的标准差。
6.如权利要求1所述的方法,其特征在于,所述通过预测数值天气预报模式中格点的影响范围,确定观测数据的水平影响系数包括:
基于每个观测点,在各观测点对应的数值天气预报模式中最近的格点i,以及与所述格点i相邻格点间的历史气象要素相关系数;
根据预先定义的所述历史气象要素相关系数的边界值,计算各观测点的水平影响范围R,并将处于R范围内的观测数据水平影响系数置为所述水平影响范围的反比例系数,将处于R以外的观测数据水平影响系数置为0。
10.一种松弛逼近资料同化系统,其特征在于,所述系统包括:
定义模块,用于为观测数据定义质量权重系数;
确定模块,用于通过预测数值天气预报模式中格点的影响范围,确定所述观测数据的水平影响系数和垂直影响系数;
修订模块,用于根据所述质量权重系数、水平影响系数和垂直影响系数对预先建立的预报方程的松弛逼近项进行修改;
同化模块,根据修改后的预报方程完成资料同化。
11.如权利要求10所述的系统,其特征在于,所述定义模块包括:
获取单元,用于获取处于正常阈值范围内的观测数据;
处理单元,用于将所述观测数据中跃变值大于预先定义跃变阈值的观测数据删除;
设置单元,用于对已删除所述跃变值大于预先定义跃变阈值后的观测数据进行检测,将通过检测的观测数据的质量权重系数置为1,将未通过检测的观测数据的质量权重系数置为0。
12.如权利要求11所述的系统,其特征在于,所述设置单元包括:对比子单元,用于通过对比获得各观测点与所处区域气候平均值之间的差值,若所述差值小于5σ,则检测通过;否则,将差值大于5σ的观测点与其预先定义的距离阈值内其他观测点进行对比,若所述观测点与其预先定义的距离阈值内其他观测点的差值均小于5σ,则检测通过。
14.如权利要求13所述的系统,其特征在于,所述第一确认单元包括:
选取子单元,用于获取观测点M在对应的数值天气预报模式中最近的格点i,以及所述格点i与相邻格点k间的历史气象要素相关系数;
计算子单元,用于根据预先定义的所述历史气象要素相关系数的边界值,计算各观测点的水平影响范围R;
确定子单元,用于将处于R范围内的观测数据水平影响系数置为所述水平影响范围的反比例系数,将处于R以外的观测数据水平影响系数置为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927873.5A CN110837902A (zh) | 2018-08-15 | 2018-08-15 | 一种松弛逼近资料同化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927873.5A CN110837902A (zh) | 2018-08-15 | 2018-08-15 | 一种松弛逼近资料同化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110837902A true CN110837902A (zh) | 2020-02-25 |
Family
ID=69574126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810927873.5A Pending CN110837902A (zh) | 2018-08-15 | 2018-08-15 | 一种松弛逼近资料同化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837902A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658676A (zh) * | 2021-08-26 | 2021-11-16 | 北京践行者教育科技研究院 | 一种基于互联网的认知行为心理健康管理方法及系统 |
CN115081314A (zh) * | 2022-06-01 | 2022-09-20 | 中国气象科学研究院 | 一种气候预测模型的校正方法及装置 |
CN116578825A (zh) * | 2022-12-28 | 2023-08-11 | 上海勘测设计研究院有限公司 | 气象预测误差修正方法、装置、介质及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341134A (zh) * | 2017-06-27 | 2017-11-10 | 洛阳市气象局 | 一种对数值预报格点温度预报数据精细化处理的方法 |
-
2018
- 2018-08-15 CN CN201810927873.5A patent/CN110837902A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341134A (zh) * | 2017-06-27 | 2017-11-10 | 洛阳市气象局 | 一种对数值预报格点温度预报数据精细化处理的方法 |
Non-Patent Citations (1)
Title |
---|
白晓平;李红;方栋;胡非;FRANCESCA COSTABILE;王芬娟;: "资料同化在空气质量预报中的应用", 地球科学进展, no. 01 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658676A (zh) * | 2021-08-26 | 2021-11-16 | 北京践行者教育科技研究院 | 一种基于互联网的认知行为心理健康管理方法及系统 |
CN113658676B (zh) * | 2021-08-26 | 2023-09-01 | 北京践行者教育科技研究院 | 一种基于互联网的认知行为心理健康管理方法及系统 |
CN115081314A (zh) * | 2022-06-01 | 2022-09-20 | 中国气象科学研究院 | 一种气候预测模型的校正方法及装置 |
CN116578825A (zh) * | 2022-12-28 | 2023-08-11 | 上海勘测设计研究院有限公司 | 气象预测误差修正方法、装置、介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108428017B (zh) | 基于核极限学习机分位数回归的风电功率区间预测方法 | |
US20070244645A1 (en) | Gas-condition predicting device and diffusion-condition predicting system | |
CN110837902A (zh) | 一种松弛逼近资料同化方法及系统 | |
JP6813291B2 (ja) | 太陽光発電の性能評価方法 | |
CN112819312A (zh) | 气候变化情景下干旱社会经济暴露度评估方法和系统 | |
CN109598052B (zh) | 基于相关系数分析的智能电表寿命周期预测方法及装置 | |
CN112347705B (zh) | 一种建立变电站厂界噪声模型的方法和系统 | |
CN111340307B (zh) | 预测风机风力发电功率的方法以及相关装置 | |
CN112632773B (zh) | 一种风电机组可靠性预测方法 | |
CN115936262B (zh) | 基于大数据的环境干扰的产量预测方法、系统和介质 | |
CN102880907A (zh) | 风速校正方法和装置 | |
CN114819374A (zh) | 区域新能源超短期功率预测方法及系统 | |
CN114971090A (zh) | 一种电供暖负荷预测方法、系统、设备和介质 | |
CN114385962A (zh) | 一种基于相似日的日前光伏发电功率预测方法及系统 | |
CN111914424B (zh) | 一种基于短期测风资料的设计风速取值方法及系统 | |
CN114428986A (zh) | 一种无实测风速资料地区的设计风速分析方法和装置 | |
CN116316600A (zh) | 基于季节分型的面向风电功率日前预测自适应滤波方法 | |
CN112070320B (zh) | 一种基于动态谐波回归的超短期风电功率预测方法及系统 | |
CN115563848A (zh) | 一种基于深度学习的分布式光伏总辐射预测方法及系统 | |
CN110555543B (zh) | 一种风电场预测的不确定度分析方法及系统 | |
CN112700050A (zh) | 一种光伏电站超短期第1点功率预测方法及系统 | |
CN114547829A (zh) | 一种风电场理论功率计算方法及系统 | |
CN113065700A (zh) | 一种基于显著性与敏感性因子分析法的短时强降水预报方法 | |
CN110210657A (zh) | 一种基于单机模型的风机功率预测方法、系统及计算机存储介质 | |
CN112994079A (zh) | 一种风电场出力序列生成方法和系统 |
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 |