CN114545417A - 一种基于最优参数的雨滴谱反演方法和装置 - Google Patents

一种基于最优参数的雨滴谱反演方法和装置 Download PDF

Info

Publication number
CN114545417A
CN114545417A CN202210436849.8A CN202210436849A CN114545417A CN 114545417 A CN114545417 A CN 114545417A CN 202210436849 A CN202210436849 A CN 202210436849A CN 114545417 A CN114545417 A CN 114545417A
Authority
CN
China
Prior art keywords
raindrop spectrum
raindrop
data
shape factor
spectrum
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.)
Granted
Application number
CN202210436849.8A
Other languages
English (en)
Other versions
CN114545417B (zh
Inventor
张扬
刘黎平
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.)
Chinese Academy of Meteorological Sciences CAMS
Original Assignee
Chinese Academy of Meteorological Sciences CAMS
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 Chinese Academy of Meteorological Sciences CAMS filed Critical Chinese Academy of Meteorological Sciences CAMS
Priority to CN202210436849.8A priority Critical patent/CN114545417B/zh
Publication of CN114545417A publication Critical patent/CN114545417A/zh
Application granted granted Critical
Publication of CN114545417B publication Critical patent/CN114545417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于最优参数的雨滴谱反演方法和装置，涉及大气科学技术领域，所述方法包括：获取基于目标地区的偏振雷达观测数据；根据偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；根据雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；根据形状因子对最优值和相应的任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。本发明可降低雨滴谱反演模型中形状因子对取值固定导致的反演误差，且提高可用于反演的雨滴谱多阶矩数据的多样性。

Description

一种基于最优参数的雨滴谱反演方法和装置
技术领域
本发明涉及大气科学技术领域，尤其涉及一种基于最优参数的雨滴谱反演方法和装置。
背景技术
在降水反演中，通过双偏振雷达观测得到的偏振雷达参量来反演降水过程的雨滴谱，其中，雨滴谱用来表示单位体积内雨滴的数量随雨滴大小的分布。
现有技术中，利用X波段双偏振雷达来观测偏振雷达参量，通过雨滴谱三阶矩、六阶矩反演获得雨滴谱，反演模型中的形状因子对采用固定数值进行反演，然而，由于雨滴谱随时间和空间的变化，反演模型中的形状因子对也随之改变，因此，利用固定数值的形状因子对反演雨滴谱势必会导致一些误差，且参与反演的雨滴谱多阶矩数据单一。
发明内容
本发明提供一种基于最优参数的雨滴谱反演方法和装置，用以解决现有技术中雨滴谱反演模型中形状因子对取值固定导致反演误差的缺陷，降低反演误差，且提高可用于反演的雨滴谱多阶矩数据的多样性。
本发明提供一种基于最优参数的雨滴谱反演方法，包括：
获取基于目标地区的偏振雷达观测数据；
根据所述偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
根据所述雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用所述雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
根据所述形状因子对最优值和相应的所述任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
根据本发明提供的基于最优参数的雨滴谱反演方法，所述雨滴谱多阶矩数据包括：雨滴谱三阶矩、雨滴谱四阶矩、雨滴谱六阶矩、雨滴谱七阶矩。
根据本发明提供的基于最优参数的雨滴谱反演方法，根据所述偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据，包括：
根据雨滴谱仪观测数据，确定多个偏振雷达计算参量和所述雨滴谱多阶矩数据；
根据所述偏振雷达计算参量和所述雨滴谱多阶矩数据，拟合确定所述偏振雷达计算参量与所述雨滴谱多阶矩数据的对应关系；
根据所述偏振雷达计算参量与所述雨滴谱多阶矩数据的对应关系和所述偏振雷达观测数据，确定雨滴谱多阶矩数据计算值；
根据任意两个所述雨滴谱多阶矩数据计算值、所述形状因子对初始值和预先建立的雨滴谱反演模型，确定所述雨滴谱初始估测数据。
根据本发明提供的基于最优参数的雨滴谱反演方法，所述偏振雷达计算参量的参数值基于目标地区的S波段双偏振雷达观测获得。
根据本发明提供的基于最优参数的雨滴谱反演方法，所述根据所述雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用所述雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值，包括：
确定形状因子对偏移数据；
根据所述形状因子对初始值和所述形状因子对偏移数据，在所述综合偏差值满足限定条件的情况下，获取当前级别中的形状因子对级别最优值，其中，所述当前级别中的形状因子对级别最优值作为下一级别的所述形状因子对初始值；
循环执行上一步，进行多级循环反馈，获取最终的所述形状因子对最优值。
根据本发明提供的基于最优参数的雨滴谱反演方法，所述利用所述雨滴谱初始估测数据获取的综合偏差值，包括：
根据所述雨滴谱初始估测数据，确定偏振雷达估计参量；
根据所述偏振雷达计算参量与所述雨滴谱多阶矩数据的对应关系，利用所述偏振雷达估计参量，确定雨滴谱多阶矩数据估计值；
根据所述雨滴谱多阶矩数据计算值和所述雨滴谱多阶矩数据估计值，确定所述综合偏差值。
根据本发明提供的基于最优参数的雨滴谱反演方法，还包括：
根据所述雨滴谱反演估测结果和所述雨滴谱仪观测数据，分别确定雨滴谱反演参量和雨滴谱观测参量，并基于评估参量进行评估，其中，所述雨滴谱反演参量和所述雨滴谱观测参量均包括质量加权平均直径和规范化阶矩参数，所述评估参量包括相关系数、规范化相对误差和规范化绝对误差。
本发明还提供一种基于最优参数的雨滴谱反演装置，包括：
获取模块，用于获取基于目标地区的偏振雷达观测数据；
第一确定模块，用于根据所述偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
第二确定模块，用于根据所述雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用所述雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
输出模块，用于根据所述形状因子对最优值和相应的所述任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于最优参数的雨滴谱反演方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于最优参数的雨滴谱反演方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于最优参数的雨滴谱反演方法。
本发明提供的一种基于最优参数的雨滴谱反演方法和装置，采用形状因子对最优值进行雨滴谱反演，通过多级循环反馈方法，在综合偏差值满足限定条件下，循环计算当前级别中的形状因子对级别最优值，且，当前级别的形状因子对级别最优值作为下一级别的形状因子对初始值，直至循环结束，获取最终的形状因子对最优值，消除形状因子对采用固定值造成的反演误差；同时，反演过程中，采用任意两个雨滴谱多阶矩数据进行反演，增加了可用于反演的雨滴谱多阶矩数据的多样性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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是本发明提供的基于最优参数的雨滴谱反演方法的流程示意图之一；
图2是本发明提供的基于最优参数的雨滴谱反演方法的流程示意图之二；
图3是本发明提供的雨滴谱三阶矩、四阶矩组合的模拟实验结果的示意图之一；
图4是本发明提供的雨滴谱三阶矩、六阶矩组合的模拟实验结果的示意图之一；
图5是本发明提供的雨滴谱三阶矩、七阶矩组合的模拟实验结果的示意图之一；
图6是本发明提供的雨滴谱四阶矩、六阶矩组合的模拟实验结果的示意图之一；
图7是本发明提供的雨滴谱四阶矩、七阶矩组合的模拟实验结果的示意图之一；
图8是本发明提供的雨滴谱六阶矩、七阶矩组合的模拟实验结果的示意图之一；
图9是本发明提供的雨滴谱三阶矩、四阶矩组合的模拟实验结果的示意图之二；
图10是本发明提供的雨滴谱三阶矩、六阶矩组合的模拟实验结果的示意图之二；
图11是本发明提供的雨滴谱三阶矩、七阶矩组合的模拟实验结果的示意图之二；
图12是本发明提供的雨滴谱四阶矩、六阶矩组合的模拟实验结果的示意图之二；
图13是本发明提供的雨滴谱四阶矩、七阶矩组合的模拟实验结果的示意图之二；
图14是本发明提供的雨滴谱六阶矩、七阶矩组合的模拟实验结果的示意图之二；
图15是本发明提供的基于最优参数的雨滴谱反演装置的结构示意图；
图16是本发明提供的电子设备的结构示意图。
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，下面将结合本发明中的附图，对本发明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作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。
下面结合图1-图14描述本发明的基于最优参数的雨滴谱反演方法。
图1是本发明提供的基于最优参数的雨滴谱反演方法的流程示意图之一，如图1所示，该方法包括：
步骤110、获取基于目标地区的偏振雷达观测数据。
步骤120、根据偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据。
可选地，图2是本发明提供的基于最优参数的雨滴谱反演方法的流程示意图之二，如图2所示，该方法包括：
根据雨滴谱仪观测数据，确定多个偏振雷达计算参量和雨滴谱多阶矩数据。
可选地，偏振雷达计算参量的参数值基于目标地区的S波段双偏振雷达观测获得， 多个偏振雷达计算参量包括：水平极化或垂直极化反射率因子
Figure 471381DEST_PATH_IMAGE001
、差分反射率因子
Figure 424293DEST_PATH_IMAGE002
、 差传播相移率
Figure 283665DEST_PATH_IMAGE003
。
示例地，针对不同地区，雨滴谱仪观测数据存在差异，以广东地区为例，其中，多个偏振雷达计算参量的公式如式（1）-式（4）所示：
Figure 954818DEST_PATH_IMAGE004
（1），
Figure 190627DEST_PATH_IMAGE005
（2），
Figure 998046DEST_PATH_IMAGE006
（3），
Figure 28319DEST_PATH_IMAGE007
（4），
其中，
Figure 186768DEST_PATH_IMAGE008
表示水平极化或垂直极化反射率因子，即
Figure 429530DEST_PATH_IMAGE009
表示水平极化反射率 因子，
Figure 634333DEST_PATH_IMAGE010
表示垂直极化反射率因子，
Figure 835507DEST_PATH_IMAGE011
表示发射水平或发射垂直偏振波雨滴的后向 散射截面，
Figure 481252DEST_PATH_IMAGE012
表示水的折射率，
Figure 527706DEST_PATH_IMAGE013
表示雷达波长，
Figure 575296DEST_PATH_IMAGE014
表示差分反射率因子，
Figure 947372DEST_PATH_IMAGE015
表 示发射水平的前向散射函数的实部，
Figure 814833DEST_PATH_IMAGE016
表示发射垂直的前向散射函数的实部，
Figure 930557DEST_PATH_IMAGE017
表示差传播相移率。
可选地，雨滴谱多阶矩数据包括：雨滴谱三阶矩M3、雨滴谱四阶矩M4、雨滴谱六阶矩M6、雨滴谱七阶矩M7。
多个雨滴谱多阶矩数据的计算公式如式（5）所示：
Figure 832654DEST_PATH_IMAGE018
（5），
其中，D表示雨滴直径，当
Figure 110052DEST_PATH_IMAGE019
分别为3、4、6、7时，即可得到多个雨滴谱多阶矩数据， 即雨滴谱三阶矩M3、雨滴谱四阶矩M4、雨滴谱六阶矩M6、雨滴谱七阶矩M7。
根据偏振雷达计算参量和雨滴谱多阶矩数据，拟合确定偏振雷达计算参量与雨滴谱多阶矩数据的对应关系。
可选地，偏振雷达计算参量与雨滴谱多阶矩数据的对应关系如式（6）-式（9）所示：
Figure 464809DEST_PATH_IMAGE020
（6），
Figure 633492DEST_PATH_IMAGE021
（7），
Figure 390095DEST_PATH_IMAGE022
（8），
Figure 103973DEST_PATH_IMAGE023
（9）。
根据偏振雷达计算参量与雨滴谱多阶矩数据的对应关系和偏振雷达观测数据，确定雨滴谱多阶矩数据计算值，即雨滴谱三阶矩M3、雨滴谱四阶矩M4、雨滴谱六阶矩M6、雨滴谱七阶矩M7的计算值；
根据任意两个雨滴谱多阶矩数据计算值、形状因子初始值和预先建立的雨滴谱反演模型，确定雨滴谱初始估测数据。
可选地，本发明采用双阶矩规范化方法，将“广义的Gamma模型”进行转换，构建雨滴谱反演模型，雨滴谱反演模型计算公式如式（10）-式（14）所示：
Figure 211606DEST_PATH_IMAGE024
（10），
Figure 669132DEST_PATH_IMAGE025
（11），
Figure 14663DEST_PATH_IMAGE026
（12），
Figure 165022DEST_PATH_IMAGE027
（13），
Figure 494372DEST_PATH_IMAGE028
（14），
其中，
Figure 224431DEST_PATH_IMAGE029
表示雨滴的粒子数密度，
Figure 955626DEST_PATH_IMAGE030
表示雨滴直径，
Figure 276886DEST_PATH_IMAGE031
和
Figure 827953DEST_PATH_IMAGE032
分别表示雨滴谱
Figure 627282DEST_PATH_IMAGE033
阶 矩和雨滴谱
Figure 212984DEST_PATH_IMAGE034
阶矩，
Figure 439566DEST_PATH_IMAGE035
表示伽马函数，
Figure 477929DEST_PATH_IMAGE036
和
Figure 80949DEST_PATH_IMAGE037
为雨滴谱反演模型中的两个形状因子，且
Figure 255578DEST_PATH_IMAGE038
和
Figure 918641DEST_PATH_IMAGE037
构成形状因子对。
可选地，设置形状因子对初始值，即，令
Figure 456019DEST_PATH_IMAGE039
，
Figure 862729DEST_PATH_IMAGE040
。任意选择两个雨滴 谱多阶矩数据计算值，以雨滴谱三阶矩M3和雨滴谱四阶矩M4为例，则
Figure 157444DEST_PATH_IMAGE041
，
Figure 725829DEST_PATH_IMAGE042
，通过式 （10）-式（14），获取雨滴谱初始估测数据
Figure 4364DEST_PATH_IMAGE043
。
步骤130、根据雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值。
可选地，如图2所示，该方法包括：
确定形状因子对偏移数据，形状因子对偏移数据包括但不限于：偏移范围、偏移步进间隔；
根据形状因子对初始值和形状因子对偏移数据，在综合偏差值满足限定条件的情况下，获取当前级别中的形状因子对级别最优值，其中，当前级别中的形状因子对级别最优值作为下一级别的形状因子对初始值；
循环执行上一步，进行多级循环反馈，获取最终的形状因子对最优值。
可选地，综合偏差值
Figure 949186DEST_PATH_IMAGE044
作为选取形状因子对最优值的判断标准，限定条件为：当 综合偏差值
Figure 363987DEST_PATH_IMAGE044
最小时，形状因子对
Figure 103273DEST_PATH_IMAGE036
和
Figure 337945DEST_PATH_IMAGE045
最优。在获取初始的综合偏差值
Figure 86458DEST_PATH_IMAGE046
后，对
Figure 90186DEST_PATH_IMAGE038
和
Figure 265952DEST_PATH_IMAGE047
增加一定偏移量，记为
Figure 253500DEST_PATH_IMAGE048
和
Figure 540125DEST_PATH_IMAGE049
。
示例地，为提高形状因子对最优值的优化速度，本发明中采用多级循环反馈方法 进行优化。以三级循环反馈方法为例，每个级别寻找形状因子对级别最优值的精度不同，即 偏移步进间隔不同。第一级别中，
Figure 663939DEST_PATH_IMAGE048
以2为偏移步进间隔，偏移范围为：[-10，10]，
Figure 10606DEST_PATH_IMAGE049
以0.2为偏移步进间隔，偏移范围为：[-1，1]，经过多次循环反馈，在第一级别中 获取令综合偏差值
Figure 219871DEST_PATH_IMAGE044
最小的形状因子对级别最优值
Figure 310187DEST_PATH_IMAGE036
和
Figure 288507DEST_PATH_IMAGE045
，并将其作为第二级别寻找的 起始值；第二级别中，
Figure 806076DEST_PATH_IMAGE048
以0.5为偏移步进间隔，偏移范围为：[-2，2]，
Figure 502636DEST_PATH_IMAGE050
以0.05为 偏移步进间隔，偏移范围为：[-0.2，0.2]，经过多次循环反馈，在第二级别中获取令综合偏 差值
Figure 131064DEST_PATH_IMAGE044
最小的形状因子对级别最优值
Figure 229470DEST_PATH_IMAGE036
和
Figure 652361DEST_PATH_IMAGE051
，并将其作为第二级别寻找的起始值；第三 级别中，
Figure 836218DEST_PATH_IMAGE048
以0.1为偏移步进间隔，偏移范围为：[-0.5，0.5]，
Figure 2757DEST_PATH_IMAGE050
以0.01为偏移步进 间隔，偏移范围为：[-0.05，0.05]，经过多次循环反馈，在第三级别中获取令综合偏差值
Figure 221249DEST_PATH_IMAGE044
最小的形状因子对级别最优值
Figure 80620DEST_PATH_IMAGE036
和
Figure 486194DEST_PATH_IMAGE051
，并将其作为最终的形状因子对最优值。
如图2所示，利用雨滴谱初始估测数据获取的综合偏差值，包括：
根据雨滴谱初始估测数据，确定偏振雷达估计参量。
可选地，根据雨滴谱初始估测数据
Figure 456424DEST_PATH_IMAGE052
，根据式（1）-式（4）计算偏振雷达估计 参量，即，水平极化反射率因子估计值
Figure 529422DEST_PATH_IMAGE053
，垂直极化反射率因子估计值
Figure 559695DEST_PATH_IMAGE054
，差分反射率 因子估计值
Figure 452565DEST_PATH_IMAGE055
，差传播相移率估计值
Figure 226485DEST_PATH_IMAGE056
。
根据偏振雷达计算参量与雨滴谱多阶矩数据的对应关系，利用偏振雷达估计参量，确定雨滴谱多阶矩数据估计值；
可选地，基于偏振雷达估计参量
Figure 165709DEST_PATH_IMAGE057
、
Figure 366883DEST_PATH_IMAGE058
、
Figure 747049DEST_PATH_IMAGE059
、
Figure 324661DEST_PATH_IMAGE060
，根据式（6）-式（9），确定 雨滴谱多阶矩数据估计值，即雨滴谱三阶矩估计值
Figure 106672DEST_PATH_IMAGE061
、雨滴谱四阶矩估计值
Figure 478747DEST_PATH_IMAGE062
、雨滴谱 六阶矩估计值
Figure 80630DEST_PATH_IMAGE063
、雨滴谱七阶矩估计值
Figure 196354DEST_PATH_IMAGE064
。
根据雨滴谱多阶矩数据计算值和雨滴谱多阶矩数据估计值，确定综合偏差值。
可选地，综合偏差值
Figure 98451DEST_PATH_IMAGE044
计算公式如式（15）所示：
Figure 375848DEST_PATH_IMAGE065
（15）。
步骤140、根据形状因子对最优值和相应的任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
可选地，如图2所示，根据选定的任意两个雨滴谱多阶矩数据计算值，即雨滴谱三 阶矩M3和雨滴谱四阶矩M4的计算值，结合形状因子对最优值
Figure 996185DEST_PATH_IMAGE036
和
Figure 650021DEST_PATH_IMAGE051
，并根据雨滴谱反演模 型确定最终的雨滴谱反演估测结果
Figure 406624DEST_PATH_IMAGE066
，即，按照式（10）-式（14）计算获得最终的雨滴谱 反演估测结果
Figure 120502DEST_PATH_IMAGE066
。
可选地，图3-图14是本发明提供的任意两个雨滴谱多阶矩数据组合的模拟实验结 果的示意图，如图3-图14所示，根据雨滴谱反演估测结果和雨滴谱仪观测数据，分别确定雨 滴谱反演参量和雨滴谱观测参量，并基于评估参量进行评估，用于在排除偏振雷达参量观 测误差的基础上，验证本发明方法的可行性，其中，雨滴谱反演参量和雨滴谱观测参量均包 括质量加权平均直径
Figure 962556DEST_PATH_IMAGE067
和规范化阶矩参数
Figure 154503DEST_PATH_IMAGE068
，评估参量包括相关系数
Figure 31192DEST_PATH_IMAGE069
、规范化相 对误差
Figure 915972DEST_PATH_IMAGE070
和规范化绝对误差
Figure 245322DEST_PATH_IMAGE071
。
如图3-图8所示，计算雨滴谱反演参量和雨滴谱观测参量的质量加权平均直径来 进行评估，质量加权平均直径
Figure 240960DEST_PATH_IMAGE072
如式（16）所示：
Figure 972155DEST_PATH_IMAGE073
（16）。
如图3-图8所示，横轴表示雨滴谱观测参量的质量加权平均直径，纵轴表示雨滴谱反演参量的质量加权平均直径。
如图9-图14所示，计算雨滴谱反演参量和雨滴谱观测参量的规范化阶矩参数来进 行评估，规范化阶矩参数
Figure 762257DEST_PATH_IMAGE074
如式（17）-式（18）所示：
Figure 578903DEST_PATH_IMAGE075
（17），
Figure 378232DEST_PATH_IMAGE076
（18），
其中，
Figure 963934DEST_PATH_IMAGE077
表示液态水含量，
Figure 190516DEST_PATH_IMAGE078
表示液态水密度。
如图9-图14所示，横轴表示雨滴谱观测参量的规范化阶矩参数，纵轴表示雨滴谱反演参量的规范化阶矩参数。
评估参量如式（19）-式（21）所示：
Figure 228879DEST_PATH_IMAGE079
（19），
Figure 831899DEST_PATH_IMAGE080
（20），
Figure 272107DEST_PATH_IMAGE081
（21），
其中，
Figure 669591DEST_PATH_IMAGE082
表示根据反演的雨滴谱计算的参量，
Figure 195250DEST_PATH_IMAGE083
表示根据观测的雨滴谱计算的 参量，上划线“-”表示取平均值。
如图3-图14所示，任意两个雨滴谱多阶矩数据组合中，雨滴谱反演参量和雨滴谱 观测参量计算的结果比较接近，相关系数
Figure 601960DEST_PATH_IMAGE069
均超过0.9，说明相关性非常高，规范化相对 误差
Figure 896676DEST_PATH_IMAGE070
在（-3%，4%）之间，说明平均偏差很小，且规范化绝对误差
Figure 465060DEST_PATH_IMAGE084
均小于7%，绝对偏差 也很小，因此，反演的结果与观测情况接近，充分证明了本发明提供的基于最优参数的雨滴 谱反演方法的可行性和合理性。
本发明提供的一种基于最优参数的雨滴谱反演方法，采用形状因子对最优值进行雨滴谱反演，通过多级循环反馈方法，在综合偏差值满足限定条件下，循环计算当前级别中的形状因子对级别最优值，且，当前级别的形状因子对级别最优值作为下一级别的形状因子对初始值，直至循环结束，获取最终的形状因子对最优值，消除形状因子对采用固定值造成的反演误差；同时，反演过程中，采用任意两个雨滴谱多阶矩数据进行反演，增加了可用于反演的雨滴谱多阶矩数据的多样性。
下面对本发明提供的基于最优参数的雨滴谱反演装置进行描述，下文描述的基于最优参数的雨滴谱反演装置与上文描述的基于最优参数的雨滴谱反演方法可相互对应参照。
图15是本发明提供的基于最优参数的雨滴谱反演装置的结构示意图，如图15所示，基于最优参数的雨滴谱反演装置200，包括：获取模块201、第一确定模块202、第二确定模块203、输出模块204，其中：
获取模块201，用于获取基于目标地区的偏振雷达观测数据；
第一确定模块202，用于根据偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
第二确定模块203，用于根据雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
输出模块204，用于根据形状因子对最优值和相应的任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
本发明提供的一种基于最优参数的雨滴谱反演装置，采用形状因子对最优值进行雨滴谱反演，通过多级循环反馈方法，在综合偏差值满足限定条件下，循环计算当前级别中的形状因子对级别最优值，且，当前级别的形状因子对级别最优值作为下一级别的形状因子对初始值，直至循环结束，获取最终的形状因子对最优值，消除形状因子对采用固定值造成的反演误差；同时，反演过程中，采用任意两个雨滴谱多阶矩数据进行反演，增加了可用于反演的雨滴谱多阶矩数据的多样性。
可选地，第一确定模块202，具体用于：
根据雨滴谱仪观测数据，确定多个偏振雷达计算参量和雨滴谱多阶矩数据，偏振雷达计算参量的参数值基于目标地区的S波段双偏振雷达观测获得；雨滴谱多阶矩数据包括：雨滴谱三阶矩、雨滴谱四阶矩、雨滴谱六阶矩、雨滴谱七阶矩；
根据偏振雷达计算参量和雨滴谱多阶矩数据，拟合确定偏振雷达计算参量与雨滴谱多阶矩数据的对应关系；
根据偏振雷达计算参量与雨滴谱多阶矩数据的对应关系和偏振雷达观测数据，确定雨滴谱多阶矩数据计算值；
根据任意两个雨滴谱多阶矩数据计算值、形状因子对初始值和预先建立的雨滴谱反演模型，确定雨滴谱初始估测数据。
可选地，第二确定模块203，具体用于：
确定形状因子对偏移数据；
根据形状因子对初始值和形状因子对偏移数据，在综合偏差值满足限定条件的情况下，获取当前级别中的形状因子对级别最优值，其中，当前级别中的形状因子对级别最优值作为下一级别的形状因子对初始值；
循环执行上一步，进行多级循环反馈，获取最终的形状因子对最优值。
可选地，第二确定模块203，具体用于：
根据雨滴谱初始估测数据，确定偏振雷达估计参量；
根据偏振雷达计算参量与雨滴谱多阶矩数据的对应关系，利用偏振雷达估计参量，确定雨滴谱多阶矩数据估计值；
根据雨滴谱多阶矩数据计算值和雨滴谱多阶矩数据估计值，确定所述综合偏差值。
可选地，输出模块204，具体用于：
根据雨滴谱反演估测结果和雨滴谱仪观测数据，分别确定雨滴谱反演参量和雨滴谱观测参量，并基于评估参量进行评估，其中，雨滴谱反演参量和雨滴谱观测参量均包括质量加权平均直径和规范化阶矩参数，评估参量包括相关系数、规范化相对误差和规范化绝对误差。
图16示例了一种电子设备的实体结构示意图，如图16所示，该电子设备300可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行基于最优参数的雨滴谱反演方法，该方法包括：
获取基于目标地区的偏振雷达观测数据；
根据偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
根据雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
根据形状因子对最优值和相应的任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
此外，上述的存储器330中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。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，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于最优参数的雨滴谱反演方法，该方法包括：
获取基于目标地区的偏振雷达观测数据；
根据偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
根据雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
根据形状因子对最优值和相应的任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于最优参数的雨滴谱反演方法，该方法包括：
获取基于目标地区的偏振雷达观测数据；
根据偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
根据雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
根据形状因子对最优值和相应的任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于最优参数的雨滴谱反演方法，其特征在于，包括：
获取基于目标地区的偏振雷达观测数据；
根据所述偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
根据所述雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用所述雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
根据所述形状因子对最优值和相应的所述任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
2.根据权利要求1所述的基于最优参数的雨滴谱反演方法，其特征在于，所述雨滴谱多阶矩数据包括：雨滴谱三阶矩、雨滴谱四阶矩、雨滴谱六阶矩、雨滴谱七阶矩。
3.根据权利要求1所述的基于最优参数的雨滴谱反演方法，其特征在于，根据所述偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据，包括：
根据雨滴谱仪观测数据，确定多个偏振雷达计算参量和所述雨滴谱多阶矩数据；
根据所述偏振雷达计算参量和所述雨滴谱多阶矩数据，拟合确定所述偏振雷达计算参量与所述雨滴谱多阶矩数据的对应关系；
根据所述偏振雷达计算参量与所述雨滴谱多阶矩数据的对应关系和所述偏振雷达观测数据，确定雨滴谱多阶矩数据计算值；
根据任意两个所述雨滴谱多阶矩数据计算值、所述形状因子对初始值和预先建立的雨滴谱反演模型，确定所述雨滴谱初始估测数据。
4.根据权利要求3所述的基于最优参数的雨滴谱反演方法，其特征在于，所述偏振雷达计算参量的参数值基于目标地区的S波段双偏振雷达观测获得。
5.根据权利要求1所述的基于最优参数的雨滴谱反演方法，其特征在于，所述根据所述雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用所述雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值，包括：
确定形状因子对偏移数据；
根据所述形状因子对初始值和所述形状因子对偏移数据，在所述综合偏差值满足限定条件的情况下，获取当前级别中的形状因子对级别最优值，其中，所述当前级别中的形状因子对级别最优值作为下一级别的所述形状因子对初始值；
循环执行上一步，进行多级循环反馈，获取最终的所述形状因子对最优值。
6.根据权利要求5所述的基于最优参数的雨滴谱反演方法，其特征在于，所述利用所述雨滴谱初始估测数据获取的综合偏差值，包括：
根据所述雨滴谱初始估测数据，确定偏振雷达估计参量；
根据所述偏振雷达计算参量与所述雨滴谱多阶矩数据的对应关系，利用所述偏振雷达估计参量，确定雨滴谱多阶矩数据估计值；
根据所述雨滴谱多阶矩数据计算值和所述雨滴谱多阶矩数据估计值，确定所述综合偏差值。
7.根据权利要求1-6中任一项所述的基于最优参数的雨滴谱反演方法，其特征在于，还包括：
根据所述雨滴谱反演估测结果和所述雨滴谱仪观测数据，分别确定雨滴谱反演参量和雨滴谱观测参量，并基于评估参量进行评估，其中，所述雨滴谱反演参量和所述雨滴谱观测参量均包括质量加权平均直径和规范化阶矩参数，所述评估参量包括相关系数、规范化相对误差和规范化绝对误差。
8.一种基于最优参数的雨滴谱反演装置，其特征在于，包括：
获取模块，用于获取基于目标地区的偏振雷达观测数据；
第一确定模块，用于根据所述偏振雷达观测数据、形状因子对初始值和任意两个雨滴谱多阶矩数据，反演确定雨滴谱初始估测数据；
第二确定模块，用于根据所述雨滴谱初始估测数据，确定形状因子对最优值，其中，在利用所述雨滴谱初始估测数据获取的综合偏差值满足限定条件下，逐级确定形状因子对偏移数据以获取形状因子对最优值；
输出模块，用于根据所述形状因子对最优值和相应的所述任意两个雨滴谱多阶矩数据，输出雨滴谱反演估测结果。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于最优参数的雨滴谱反演方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于最优参数的雨滴谱反演方法。
CN202210436849.8A 2022-04-25 2022-04-25 一种基于最优参数的雨滴谱反演方法和装置 Active CN114545417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210436849.8A CN114545417B (zh) 2022-04-25 2022-04-25 一种基于最优参数的雨滴谱反演方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210436849.8A CN114545417B (zh) 2022-04-25 2022-04-25 一种基于最优参数的雨滴谱反演方法和装置

Publications (2)

Publication Number Publication Date
CN114545417A true CN114545417A (zh) 2022-05-27
CN114545417B CN114545417B (zh) 2022-07-19

Family

ID=81667016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210436849.8A Active CN114545417B (zh) 2022-04-25 2022-04-25 一种基于最优参数的雨滴谱反演方法和装置

Country Status (1)

Country Link
CN (1) CN114545417B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115586529A (zh) * 2022-09-07 2023-01-10 广东省气象台(南海海洋气象预报中心) 基于比衰减的x波段双偏振相控阵雷达定量降水估测方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101431707B1 (ko) * 2013-11-26 2014-09-22 한국건설기술연구원 엑스밴드 이중편파 레이더 관측자료를 이용한 통합형 강우량 산정 방법
CN106547037A (zh) * 2016-10-21 2017-03-29 中国人民解放军理工大学 双频双偏振微波链路联合的雨滴谱反演及降水类型识别方法
US20180124328A1 (en) * 2016-11-02 2018-05-03 National University Of Defense Technology Method for measurement and 3D reconstruction of precipitation particles based on orthogonal dual-view imaging
CN108415019A (zh) * 2017-12-29 2018-08-17 南京信息工程大学 一种实验测量降水粒子群模型的制作方法
CN108761576A (zh) * 2018-05-28 2018-11-06 国网山西省电力公司电力科学研究院 一种x波段气象雷达与雨量站数据融合方法及系统
CN109254291A (zh) * 2018-10-22 2019-01-22 中国气象科学研究院 云雷达的多普勒功率谱数据融合方法及装置
CN110488393A (zh) * 2019-09-24 2019-11-22 中国科学院大气物理研究所 X波段双偏振天气雷达定量测量降水方法及系统
CN111310982A (zh) * 2020-01-20 2020-06-19 中国气象局广州热带海洋气象研究所 双参云微物理方案伽马雨滴谱函数高精度快速求解方法
CN112364029A (zh) * 2021-01-12 2021-02-12 中国气象局气象探测中心 一种星地雨滴谱参数匹配及评估方法和系统
CN113064130A (zh) * 2021-03-17 2021-07-02 中国气象科学研究院 粒子谱分布的确定方法、装置、存储介质及程序产品
CN113420489A (zh) * 2021-05-25 2021-09-21 南京信息工程大学 一种双偏振雷达降水优化反演方法
CN113792452A (zh) * 2021-08-23 2021-12-14 温州大学 一种基于雨滴速度的视频反演降雨强度的方法
CN113960605A (zh) * 2021-10-19 2022-01-21 中国人民解放军国防科技大学 一种微波雨滴谱仪

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101431707B1 (ko) * 2013-11-26 2014-09-22 한국건설기술연구원 엑스밴드 이중편파 레이더 관측자료를 이용한 통합형 강우량 산정 방법
CN106547037A (zh) * 2016-10-21 2017-03-29 中国人民解放军理工大学 双频双偏振微波链路联合的雨滴谱反演及降水类型识别方法
US20180124328A1 (en) * 2016-11-02 2018-05-03 National University Of Defense Technology Method for measurement and 3D reconstruction of precipitation particles based on orthogonal dual-view imaging
CN108415019A (zh) * 2017-12-29 2018-08-17 南京信息工程大学 一种实验测量降水粒子群模型的制作方法
CN108761576A (zh) * 2018-05-28 2018-11-06 国网山西省电力公司电力科学研究院 一种x波段气象雷达与雨量站数据融合方法及系统
CN109254291A (zh) * 2018-10-22 2019-01-22 中国气象科学研究院 云雷达的多普勒功率谱数据融合方法及装置
CN110488393A (zh) * 2019-09-24 2019-11-22 中国科学院大气物理研究所 X波段双偏振天气雷达定量测量降水方法及系统
CN111310982A (zh) * 2020-01-20 2020-06-19 中国气象局广州热带海洋气象研究所 双参云微物理方案伽马雨滴谱函数高精度快速求解方法
CN112364029A (zh) * 2021-01-12 2021-02-12 中国气象局气象探测中心 一种星地雨滴谱参数匹配及评估方法和系统
CN113064130A (zh) * 2021-03-17 2021-07-02 中国气象科学研究院 粒子谱分布的确定方法、装置、存储介质及程序产品
CN113420489A (zh) * 2021-05-25 2021-09-21 南京信息工程大学 一种双偏振雷达降水优化反演方法
CN113792452A (zh) * 2021-08-23 2021-12-14 温州大学 一种基于雨滴速度的视频反演降雨强度的方法
CN113960605A (zh) * 2021-10-19 2022-01-21 中国人民解放军国防科技大学 一种微波雨滴谱仪

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
T. NARAYANA RAO: "On the variability of the shape‐slope parameter relations of the gamma raindrop size distribution model", 《GEOPHYSICAL RESEARCH LETTERS》 *
TIMOTHY: "Retrieval of the raindrop size distribution from polarimetric radar data using double-moment normalisation", 《ATMOSPHERIC MEASUREMENT TECHNIQUES》 *
刘黎平: "Ka/Ku双波段云雷达反演空气垂直运动速度和雨滴谱方法研究及初步应用", 《大气科学》 *
周文贤: "雨滴尺度谱谱参数和形状因子的分析", 《气象》 *
张扬: "业务双偏振雷达网与自动站联合定量降水估测方法及效果分析研究", 《中国博士学位论文全文数据库基础科学辑》 *
李德俊: "降雨型滴谱与反射率因子及雨强关系研究", 《气象与减灾研究》 *
熊飞麟: "拟合Gamma分布雨滴谱的研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 *
陶玥: "云中粒子谱形状因子变化对云及降水影响的数值研究", 《气象学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115586529A (zh) * 2022-09-07 2023-01-10 广东省气象台(南海海洋气象预报中心) 基于比衰减的x波段双偏振相控阵雷达定量降水估测方法
CN115586529B (zh) * 2022-09-07 2023-10-03 广东省气象台(南海海洋气象预报中心、珠江流域气象台) 基于比衰减的x波段双偏振相控阵雷达定量降水估测方法

Also Published As

Publication number Publication date
CN114545417B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
US20170261646A1 (en) Self-correcting multi-model numerical rainfall ensemble forecasting method
CN114545417B (zh) 一种基于最优参数的雨滴谱反演方法和装置
KR101958674B1 (ko) 시퀀스 재귀 필터링 3차원 변분(3d-var) 기반의 실측 해양 환경 데이터 동화방법
CN109379240B (zh) 车联网流量预测模型构建方法、装置和电子设备
CN113360983A (zh) 一种边坡可靠度分析与风险评估方法
CN105044722A (zh) 合成孔径雷达目标的全贝叶斯特征提取方法
CN115049024A (zh) 风速预测模型的训练方法、装置、电子设备和存储介质
CN104866714A (zh) 一种电力系统自适应核密度抗差状态估计方法
CN116796639A (zh) 短期电力负荷预测方法、装置及设备
CN116990691A (zh) 一种电池剩余满充时间的评估方法、装置、设备和介质
CN109816165B (zh) 风电超短期功率预测方法及系统
CN114239303A (zh) 一种基于二流法模型的水体漫衰减系数反演方法
CN105939026B (zh) 基于混合Laplace分布的风电功率波动量概率分布模型建立方法
CN110895626B (zh) 基于留一交叉验证的性能退化模型精度验证方法
CN108364118A (zh) 一种配电网分区的方法和装置
CN117035417A (zh) 一种灌区地下水下降风险评估方法、系统、设备及介质
CN115828823B (zh) 超导量子芯片中读取腔与滤波器的版图信息输出方法及装置
CN115524658A (zh) 电能表运行误差确定方法及装置
CN110703038A (zh) 一种适用于风机接入配电网的谐波阻抗估算方法
CN114880183A (zh) 自动驾驶性能评价模型训练、性能评价方法、装置及介质
CN115409245A (zh) 电力系统的预测辅助状态估计方法、装置、设备及介质
CN111626472B (zh) 一种基于深度混合云模型的场景趋势判断指标计算系统及方法
CN110514608A (zh) 一种基于光谱的反应动力学速率常数的无偏估计方法
CN107562981B (zh) 导体粗糙面散射问题中的电场计算方法及装置
Mohamadi et al. Process capability analysis in the presence of autocorrelation

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