CN113672664A - 降雨量插值方法、装置、计算机设备及存储介质 - Google Patents
降雨量插值方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113672664A CN113672664A CN202110945276.7A CN202110945276A CN113672664A CN 113672664 A CN113672664 A CN 113672664A CN 202110945276 A CN202110945276 A CN 202110945276A CN 113672664 A CN113672664 A CN 113672664A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- spatial
- model
- interpolation
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Complex Calculations (AREA)
Abstract
本发明实施例公开了降雨量插值方法、装置、计算机设备及存储介质。所述方法包括:对所有雨量站组成的研究对象区域进行分组,以得到空间区域;判断所述空间区域内的降雨数据是否存在空间分异性;若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。通过实施本发明实施例的方法可实现降低插值与实际降雨量的误差,且插值不易被混杂效应所干扰,提高插值的准确率。
Description
技术领域
本发明涉及插值方法,更具体地说是指降雨量插值方法、装置、计算机设备及存储介质。
背景技术
降雨数据的精确度对于准确预测滑坡的发生概率起着极为重要的作用。当前研究单元即栅格单元/斜坡单元的降雨是通过对区域内的雨量站降雨进行插值而得到的,当雨量插值的误差较大时,其预测能力就会受影响。
现有的降雨量的插值方法通常可分为三类:整体插值法、局部插值法和混合插值法。虽然局部插值法是通过拟合区域上部分已知点降雨来预测未知点降雨量,如泰森多边形法、反距离权重法、克里金插值法、径向基函数法等,但其理论及实际模型中皆运用了所有的已知点。即不管整体还是局部插值法皆是对所有已知点采用了单一插值模型,则所产生的插值结果都将会处于模型平滑的控制范围之内,掩盖了对象的分异性,插值容易被混杂效应所干扰,甚至导致错误的结论。
因此,有必要设计一种新的方法,实现降低插值与实际降雨量的误差,且插值不易被混杂效应所干扰,提高插值的准确率。
发明内容
本发明的目的在于克服现有技术的缺陷,提供降雨量插值方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:降雨量插值方法,包括:
对所有雨量站组成的研究对象区域进行分组,以得到空间区域;
判断所述空间区域内的降雨数据是否存在空间分异性;
若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;
若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
其进一步技术方案为:所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域,包括:
采用泰森多边形确定各个雨量站的控制面积,以得到多边形,且所有多边形组成研究对象区域;
确定所述多边形内所包含的唯一雨量站的降雨强度,以得到每个多边形的降雨强度;
对所述研究对象区域进行分组,以得到空间区域。
其进一步技术方案为:所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域,包括:
采用基于专家知识或分类算法对所述研究对象区域进行分组,以得到空间区域。
其进一步技术方案为:所述判断所述空间区域内的降雨数据是否存在空间分异性,包括:
计算空间分异值;
判断所述空间分异值是否符合设定要求;
若所述空间分异值符合设定要求,则所述空间区域内的降雨数据不存在空间分异性;
若所述空间分异值不符合设定要求,则所述空间区域内的降雨数据存在空间分异性。
其进一步技术方案为:所述空间分异值通过获得,其中,h=1,...,L为变量Y或因子X的分组,N代表空间区域内的单元数,SSW代表组内降雨量的方差之和,SST代表空间区域降雨量的总方差,σ为标准差,q为空间分异值。
其进一步技术方案为:所述采用全局模型对所述降雨数据进行插值,包括:
采用单一插值模型、全局变量、全局参数结合的方式对所述降雨数据进行插值。
其进一步技术方案为:所述全局模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种;所述局部模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种。
本发明还提供了降雨量插值装置,包括:
分组单元,用于对所有雨量站组成的研究对象区域进行分组,以得到空间区域;
判断单元,用于判断所述空间区域内的降雨数据是否存在空间分异性;
第一插值单元,用于若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;
第二插值单元,用于若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过对所有雨量站组成的研究对象区域按照控制面积即空间位置进行分组,对空间区域内的降雨数据进行空间分异性的确定,并根据确定结果采用全局模型与局部模型的结合方式进行插值,实现降低插值与实际降雨量的误差,且插值不易被混杂效应所干扰,提高插值的准确率。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,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为本发明实施例提供的降雨量插值方法的应用场景示意图;
图2为本发明实施例提供的降雨量插值方法的流程示意图;
图3为本发明实施例提供的降雨量插值方法的子流程示意图;
图4为本发明实施例提供的降雨量插值方法的子流程示意图;
图5为本发明实施例提供的降雨量插值装置的示意性框图;
图6为本发明实施例提供的降雨量插值装置的分组单元的示意性框图;
图7为本发明实施例提供的降雨量插值装置的判断单元的示意性框图;
图8为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语″包括″和″包含″指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的″一″、″一个″及″该″意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语″和/或″是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的降雨量插值方法的应用场景示意图。图2为本发明实施例提供的降雨量插值方法的示意性流程图。该降雨量插值方法应用于服务器中。该服务器与各雨量站的设备进行数据交互,对所有雨量站组成的研究对象区域,以得到空间区域按照空间位置的不同进行分组,在依据各雨量站的控制面积确定空间区域内的空间分异性,并采用地理探测器的方式进行降雨量的插值。
图2是本发明实施例提供的降雨量插值方法的流程示意图。如图2所示,该方法包括以下步骤S110至S140。
S110、对所有雨量站组成的研究对象区域进行分组,以得到空间区域。
在本实施例中,对研究对象区域的分组原则是组内的方差最小,组间的方差最大,且同一组可以出现不相邻的多个区域。
所有雨量站组成的研究对象区域指的是整个研究区域,对整个研究区域按照控制面积以及空间位置进行分组。
在一实施例中,请参阅图3,上述的步骤S110可包括步骤S111~S113。
S111、采用泰森多边形确定各个雨量站的控制面积,以得到多边形,且所有多边形组成研究对象区域。
在本实施例中,多边形是指雨量站控制的区域。
具体地,将所有相邻气象站即雨量站连成三角形,作这些三角形各边的垂直平分线,则每个气象站周围的若干垂直平分线便围成一个多边形,由此确定各个雨量站的控制面积。
S112、确定所述多边形内所包含的唯一雨量站的降雨强度,以得到每个多边形的降雨强度。
在本实施例中,每个多边形内均有一个雨量站,多边形的降雨强度则由该雨量站的降雨数据构成。
S113、对所述研究对象区域进行分组,以得到空间区域。
在本实施例中,空间区域是指每个组的区域。分组后的降雨数据包括对应的多边形的降雨强度。
在另一实施例中,上述的步骤S110可包括:
采用基于专家知识或分类算法对所述研究对象区域进行分组,以得到空间区域。
在本实施例中,分类算法包括k-means或排序后等分的方式。
S120、判断所述空间区域内的降雨数据是否存在空间分异性。
由于经济社会、地形构造、气候特征的空间分布不均匀,使得地理数据必须考虑空间异质性,空间异质性是指属性值或现象在不同空间位置之间超出了随机变异的差异,产生空间异质性的原因可能是不同空间位置的机理不同,或主导因子不同。现有的插值方式掩盖了对象的分异性,比如不同机理或相同机理但不同驱动因子,或相同机理与因子但不同参数,称之为分异性。
对每个空间区域内的降雨数据都进行空间分异性的判断,进行插值处理。
在一实施例中,请参阅图4,上述步骤S120可包括步骤S121~S124。
S121、计算空间分异值。
在本实施例中,空间分异值是指用于探测某因子X多大程度上解释了变量Y的空间分异的数值。
具体地,所述空间分异值通过获得,其中,h=1,...,L为变量Y或因子X的分组,N代表空间区域内的单元数,SSW代表组内降雨量的方差之和,SST代表空间区域降雨量的总方差,σ为标准差,q为空间分异值。
q的值域为[0,1],q值越大,说明Y的空间分异越明显;如果分组是由自变量X生成的,则q值越大,表示X与Y的空间分布越一致,自变量X对属性Y的解释力越强,反之则越弱,q值表示X解释了100q%的Y。
S122、判断所述空间分异值是否符合设定要求;
S123、若所述空间分异值符合设定要求,则所述空间区域内的降雨数据不存在空间分异性;
S124、若所述空间分异值不符合设定要求,则所述空间区域内的降雨数据存在空间分异性。
空间分异值为[0,1],空间分异值越大,表明空间区域内的降雨数据的空间分异性越明显,因此,可设定一个界限,当所述空间分异值超过该界限时,则表明所述空间分异值符合设定要求,反之则所述空间分异值不符合设定要求。
举个例子:Y为雨量站降雨量,X为高程、与河流距离数据中的至少一种。当雨量站的泰森多边形组合面积也就是空间区域计算得出的q值达到显著时,则雨量站的多边形形成分组,直至分组达到组内降雨量的方差最小,组间方差最大,同一组可以出现在不相邻的多个区域。
S130、若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;
S140、若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
在本实施例中,若数据不存在分异性,即q值不显著时,采用单一插值模型、全局变量、全局参数结合的方式对所述降雨数据进行插值。
在本实施例中,所述全局模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种;所述局部模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种。
在本实施例中,局部模型可与全局模型为同一模型,也可以是其他模型,如在进行协同克里金插值时,其变异函数模型可在不同的降雨分布下选用圆形模型、球形模型、指数模型以及高斯模型中预测力最高的一种,如此,数据集内部的分异性就不会被相互抵消而导致插值与实际降雨误差较大。
克里金算法提供的半变异函数模型有高斯、线形、球形、阻尼正弦和指数模型等,在对气象要素场插值时球形模拟比较好。既考虑了储层参数的随机性,又考虑了储层参数的相关性,在满足插值方差最小的条件下,给出最佳线性无偏插值,同时还给出了插值方差。
上述的降雨量插值方法,通过对所有雨量站组成的研究对象区域,以得到空间区域,按照控制面积即空间位置进行分组,对空间区域内的降雨数据进行空间分异性的确定,并根据确定结果采用全局模型与局部模型的结合方式进行插值,实现降低插值与实际降雨量的误差,且插值不易被混杂效应所干扰,提高插值的准确率。
图5是本发明实施例提供的一种降雨量插值装置300的示意性框图。如图5所示,对应于以上降雨量插值方法,本发明还提供一种降雨量插值装置300。该降雨量插值装置300包括用于执行上述降雨量插值方法的单元,该装置可以被配置于服务器中。具体地,请参阅图5,该降雨量插值装置300包括分组单元301、判断单元302、第一插值单元303以及第二插值单元304。
分组单元301,用于对所有雨量站组成的研究对象区域进行分组,以得到空间区域;判断单元302,用于判断所述空间区域内的降雨数据是否存在空间分异性;第一插值单元303,用于若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;第二插值单元304,用于若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
在一实施例中,如图6所示,所述分组单元301包括多边形确定子单元3011、强度确定子单元3012以及区域分组子单元3013。
多边形确定子单元3011,用于采用泰森多边形确定各个雨量站的控制面积,以得到多边形,且所有多边形组成研究对象区域;强度确定子单元3012,用于确定所述多边形内所包含的唯一雨量站的降雨强度,以得到每个多边形的降雨强度;区域分组子单元3013,用于对所述研究对象区域进行分组,以得到空间区域。
在一实施例中,所述分组单元301,用于采用基于专家知识或分类算法对所述研究对象区域进行分组,以得到空间区域。
在一实施例中,如图7所示,所述判断单元302包括分异值计算子单元3021以及分异值判断子单元3022。
分异值计算子单元3021,用于计算空间分异值;分异值判断子单元3022,用于判断所述空间分异值是否符合设定要求;若所述空间分异值符合设定要求,则所述空间区域内的降雨数据不存在空间分异性;若所述空间分异值不符合设定要求,则所述空间区域内的降雨数据存在空间分异性。
在一实施例中,所述第二插值单元304,用于采用单一插值模型、全局变量、全局参数结合的方式对所述降雨数据进行插值。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述降雨量插值装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述降雨量插值装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8,图8是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图8,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种降雨量插值方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种降雨量插值方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
对所有雨量站组成的研究对象区域进行分组,以得到空间区域;判断所述空间区域内的降雨数据是否存在空间分异性;若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
在一实施例中,处理器502在实现所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域步骤时,具体实现如下步骤:
采用泰森多边形确定各个雨量站的控制面积,以得到多边形,且所有多边形组成研究对象区域;确定所述多边形内所包含的唯一雨量站的降雨强度,以得到每个多边形的降雨强度;对所述研究对象区域进行分组,以得到空间区域。
在一实施例中,处理器502在实现所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域步骤时,具体实现如下步骤:
采用基于专家知识或分类算法对所述研究对象区域进行分组,以得到空间区域。
在一实施例中,处理器502在实现所述判断所述空间区域内的降雨数据是否存在空间分异性步骤时,具体实现如下步骤:
计算空间分异值;判断所述空间分异值是否符合设定要求;若所述空间分异值符合设定要求,则所述空间区域内的降雨数据不存在空间分异性;若所述空间分异值不符合设定要求,则所述空间区域内的降雨数据存在空间分异性。
在一实施例中,处理器502在实现所述采用全局模型对所述降雨数据进行插值步骤时,具体实现如下步骤:
采用单一插值模型、全局变量、全局参数结合的方式对所述降雨数据进行插值。
其中,所述全局模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种;所述局部模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
对所有雨量站组成的研究对象区域进行分组,以得到空间区域;判断所述空间区域内的降雨数据是否存在空间分异性;若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域步骤时,具体实现如下步骤:
采用泰森多边形确定各个雨量站的控制面积,以得到多边形,且所有多边形组成研究对象区域;确定所述多边形内所包含的唯一雨量站的降雨强度,以得到每个多边形的降雨强度;对所述研究对象区域进行分组,以得到空间区域。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域步骤时,具体实现如下步骤:
采用基于专家知识或分类算法对所述研究对象区域进行分组,以得到空间区域。
在一实施例中,所述处理器在执行所述计算机程序而实现所述判断所述空间区域内的降雨数据是否存在空间分异性步骤时,具体实现如下步骤:
计算空间分异值;判断所述空间分异值是否符合设定要求;若所述空间分异值符合设定要求,则所述空间区域内的降雨数据不存在空间分异性;若所述空间分异值不符合设定要求,则所述空间区域内的降雨数据存在空间分异性。
在一实施例中,所述处理器在执行所述计算机程序而实现所述采用全局模型对所述降雨数据进行插值步骤时,具体实现如下步骤:
采用单一插值模型、全局变量、全局参数结合的方式对所述降雨数据进行插值。
其中,所述全局模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种;所述局部模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,各个单元的划分,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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。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,也可以是两个或两个以上单元集成在一个单元中。
该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,终端,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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.降雨量插值方法,其特征在于,包括:
对所有雨量站组成的研究对象区域进行分组,以得到空间区域;
判断所述空间区域内的降雨数据是否存在空间分异性;
若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;
若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
2.根据权利要求1所述的降雨量插值方法,其特征在于,所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域,包括:
采用泰森多边形确定各个雨量站的控制面积,以得到多边形,且所有多边形组成研究对象区域;
确定所述多边形内所包含的唯一雨量站的降雨强度,以得到每个多边形的降雨强度;
对所述研究对象区域进行分组,以得到空间区域。
3.根据权利要求1所述的降雨量插值方法,其特征在于,所述对所有雨量站组成的研究对象区域进行分组,以得到空间区域,包括:
采用基于专家知识或分类算法对所述研究对象区域进行分组,以得到空间区域。
4.根据权利要求1所述的降雨量插值方法,其特征在于,所述判断所述空间区域内的降雨数据是否存在空间分异性,包括:
计算空间分异值;
判断所述空间分异值是否符合设定要求内;
若所述空间分异值符合设定要求内,则所述空间区域内的降雨数据不存在空间分异性;
若所述空间分异值不符合设定要求内,则所述空间区域内的降雨数据存在空间分异性。
6.根据权利要求1所述的降雨量插值方法,其特征在于,所述采用全局模型对所述降雨数据进行插值,包括:
采用单一插值模型、全局变量、全局参数结合的方式对所述降雨数据进行插值。
7.根据权利要求1所述的降雨量插值方法,其特征在于,所述全局模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种;所述局部模型包括圆形模型、球形模型、指数模型以及高斯模型中至少一种。
8.降雨量插值装置,其特征在于,包括:
分组单元,用于对所有雨量站组成的研究对象区域进行分组,以得到空间区域;
判断单元,用于判断所述空间区域内的降雨数据是否存在空间分异性;
第一插值单元,用于若所述空间区域内的降雨数据存在空间分异性,则采用局部模型、局部变量或局部参数对所述降雨数据进行插值;
第二插值单元,用于若所述空间区域内的降雨数据不存在空间分异性,则采用全局模型对所述降雨数据进行插值。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110945276.7A CN113672664A (zh) | 2021-08-17 | 2021-08-17 | 降雨量插值方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110945276.7A CN113672664A (zh) | 2021-08-17 | 2021-08-17 | 降雨量插值方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113672664A true CN113672664A (zh) | 2021-11-19 |
Family
ID=78543356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110945276.7A Pending CN113672664A (zh) | 2021-08-17 | 2021-08-17 | 降雨量插值方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113672664A (zh) |
-
2021
- 2021-08-17 CN CN202110945276.7A patent/CN113672664A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Carlone et al. | An application of Kullback-Leibler divergence to active SLAM and exploration with particle filters | |
Garcia-Fernandez et al. | Truncated unscented Kalman filtering | |
EP1250648B1 (en) | Method of veryfing pretrained neural net mapping for use in safety-critical software | |
US9978019B2 (en) | System and method for improving efficiency of containment determination processing | |
Feng et al. | Overview of nonlinear Bayesian filtering algorithm | |
CN113486134B (zh) | 降雨量异常检测方法、装置、计算机设备及存储介质 | |
CN111122222B (zh) | 一种样本点位置确定方法及系统 | |
CN113049963A (zh) | 一种基于局部离群因子的锂电池组一致性检测方法及装置 | |
Im et al. | Semiparametric estimation of spectral density with irregular observations | |
CN113436223B (zh) | 点云数据的分割方法、装置、计算机设备和存储介质 | |
CN108459991B (zh) | 一种获得设备可靠性数据的方法 | |
CN113672664A (zh) | 降雨量插值方法、装置、计算机设备及存储介质 | |
KR102391607B1 (ko) | 폭염 중기예보 시스템 및 그 방법 | |
CN116047223A (zh) | 一种基于实时用电信息及大数据分析的窃电判别方法 | |
CN115169089A (zh) | 基于核密度估计和copula的风电功率概率预测方法和装置 | |
CN114417653A (zh) | 基于不确定性的卫星组件电路板热可靠性分析方法 | |
CN115278706A (zh) | 一种网络结构评估方法、装置、设备及计算机存储介质 | |
Kumar et al. | A new algorithm for outlier rejection in particle filters | |
CN114430530A (zh) | 空间划分方法、装置、设备、介质和程序产品 | |
CN115412852A (zh) | 移动终端的运动轨迹确定方法及系统 | |
CN113784411A (zh) | 链路质量评估方法、链路切换方法、设备和存储介质 | |
CN116614392B (zh) | 路由开销确定方法、路由开销监控方法及装置 | |
Hazra et al. | Robust statistical modeling of monthly rainfall: The minimum density power divergence approach | |
KR20230132538A (ko) | 전자기 전파에 대한 불균형 표현의 신속한 평가 | |
CN118051845B (zh) | 基于空间变参数机器学习的地理空间全覆盖数据生成方法和装置 |
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 |