CN117075230A - 一种降雨数据修正方法、装置、计算机设备及介质 - Google Patents
一种降雨数据修正方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN117075230A CN117075230A CN202311331873.6A CN202311331873A CN117075230A CN 117075230 A CN117075230 A CN 117075230A CN 202311331873 A CN202311331873 A CN 202311331873A CN 117075230 A CN117075230 A CN 117075230A
- Authority
- CN
- China
- Prior art keywords
- predicted
- data
- rainfall
- rainfall data
- historical
- 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
Links
- 238000012937 correction Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005259 measurement Methods 0.000 claims abstract description 83
- 230000015654 memory Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 5
- 239000000047 product Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 238000001556 precipitation Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Ecology (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及气象预测技术领域，提供了一种降雨数据修正方法、装置、计算机设备及介质。其中，降雨数据修正方法，包括：获取第一预测降雨数据、历史实测降雨序列、历史预测降雨序列；在历史实测降雨序列中，确定预设分位数对应的实测参考值；在历史预测降雨序列中，确定预设分位数对应的预测参考值；根据实测参考值，确定历史实测降雨序列中的实测极端数据；根据预测参考值，确定历史预测降雨序列中的预测极端数据；根据预测参考值、实测极端数据和预测极端数据，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。通过本发明，对丰水期和枯水期中极端降雨数据进行修正，改善修正效果。
Description
技术领域
本发明涉及气象预测技术领域，尤其涉及一种降雨数据修正方法、装置、计算机设备及介质。
背景技术
以气候模式数据、遥感降水数据和降水再分析数据等为代表的降水数据产品作为地面气象站降水监测的补充，近年来被广泛应用于区域特别是缺资料地区的降水分布识别、水资源评价和水文预报等。然而，受制于遥测手段，上述降水产品存在系统误差，预测精度不高，在实际应用中需要先进行偏差修正。
目前，气象水文领域普遍使用的基于统计的偏差修正方法，如线性缩放法（LS）和ISI-MIP3b偏差修正方法等，仅仅是针对降雨均值的偏差修正，并没有考虑丰水期和枯水期中极端降雨数据的修正，修正效果欠佳。
发明内容
为改善极端降雨数据的修正效果，本发明提出了一种降雨数据修正方法、装置、计算机设备及介质。
第一方面，本发明提供了一种降雨数据修正方法，方法包括：
获取第一预测降雨数据、历史实测降雨序列、历史预测降雨序列，历史实测降雨序列中包括多个历史实测降雨数据，历史预测降雨序列中包括多个第一历史预测降雨数据；
在历史实测降雨序列中，确定预设分位数对应的实测参考值；
在历史预测降雨序列中，确定预设分位数对应的预测参考值；
根据实测参考值，确定历史实测降雨序列中的实测极端数据；
根据预测参考值，确定历史预测降雨序列中的预测极端数据；
根据预测参考值、实测极端数据和预测极端数据，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在相关技术中，对降雨数据进行修正时，仅仅通过降雨数据的均值对降雨数据进行修正，并没有考虑到丰水期或者枯水期中的极端数据，通过上述方法，在历史实测降雨序列和历史预测降雨序列中确定极端数据，根据确定的极端数据对预测降雨数据进行修正，改善对极端降雨数据的修正效果，提高预测降雨数据的修正精度。
在一种可选的实施方式中，预设分位数包括第一预设分位数，根据实测参考值，确定历史实测降雨序列中的实测极端数据，包括：
在历史实测降雨序列中，将大于第一预设分位数对应的实测参考值的历史实测降雨数据，作为实测极端数据。
在一种可选的实施方式中，预设分位数包括第二预设分位数，根据实测参考值，确定历史实测降雨序列中的实测极端数据，包括：
在历史实测降雨序列中，将小于第二预设分位数对应的实测参考值的历史实测降雨数据，作为实测极端数据。
在一种可选的实施方式中，根据预测参考值、实测极端数据和预测极端数据，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据，包括：
分别计算实测极端数据的均值、预测极端数据的均值；
当第一预测降雨数据大于或等于第一预设分位数对应的预测参考值时，根据实测极端数据的均值，以及预测极端数据的均值，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在一种可选的实施方式中，根据实测极端数据的均值，以及预测极端数据的均值，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据，包括：
根据实测极端数据的均值与预测极端数据的均值的比例关系，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在一种可选的实施方式中，根据预测参考值、实测极端数据和预测极端数据，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据，包括：
分别计算实测极端数据的均值、预测极端数据的均值；
当第一预测降雨数据小于或等于第二预设分位数对应的预测参考值时，根据实测极端数据的均值，以及预测极端数据的均值，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在一种可选的实施方式中，获取第一预测降雨数据，包括：
获取第二预测降雨数据；
根据各历史实测降雨数据和各第一历史预测降雨数据，对第二预测降雨数据进行修正，得到第一预测降雨数据。
在一种可选的实施方式中，根据各历史实测降雨数据和各第一历史预测降雨数据，对第二预测降雨数据进行修正，得到第一预测降雨数据，包括：
根据第一历史预测降雨数据的均值，对第二预测降雨数据进行修正，得到第三预测降雨数据；
根据历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据。
在一种可选的实施方式中，根据第一历史预测降雨数据的均值，对第二预测降雨数据进行修正，得到第三预测降雨数据，包括：
当第二预测降雨数据与第一历史预测降雨数据的均值之间的比值大于第一预设阈值时，将第一历史预测降雨数据的均值作为第三预测降雨数据。
在一种可选的实施方式中，根据历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据，包括：
根据第一历史预测降雨数据的均值，对各第一历史预测降雨数据进行修正，得到各第一历史预测降雨数据对应的第二历史预测降雨数据；
根据第二历史预测降雨数据的均值和历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据。
在一种可选的实施方式中，根据第二历史预测降雨数据的均值和历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据，包括：
其中，为i时刻第一预测降雨数据；/>为i时刻第三预测降雨数据；/>为i时刻历史实测降雨数据的均值；/>为i时刻第二历史预测降雨数据的均值；/>为第二预设阈值。
在一种可选的实施方式中，获取第一历史预测降雨数据，包括：
获取历史实测降雨数据对应的气象站点的经纬度信息；
将与气象站点距离最近的网格格点确定为目标网格格点；
将目标网格格点对应的历史预测降雨数据作为第一历史预测降雨数据。
第二方面，本发明还提供了一种降雨数据修正装置。该装置包括：
获取模块，用于获取第一预测降雨数据、历史实测降雨序列、历史预测降雨序列，历史实测降雨序列中包括多个历史实测降雨数据，历史预测降雨序列中包括多个第一历史预测降雨数据；
第一确定模块，用于在历史实测降雨序列中，确定预设分位数对应的实测参考值；
第二确定模块，用于在历史预测降雨序列中，确定预设分位数对应的预测参考值；
第三确定模块，用于根据实测参考值，确定历史实测降雨序列中的实测极端数据；
第四确定模块，用于根据预测参考值，确定历史预测降雨序列中的预测极端数据；
修正模块，用于根据预测参考值、实测极端数据和预测极端数据，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在相关技术中，对降雨数据进行修正时，仅仅通过降雨数据的均值对降雨数据进行修正，并没有考虑到丰水期或者枯水期中的极端数据，通过上述装置，在历史实测降雨序列和历史预测降雨序列中确定极端数据，根据确定的极端数据对预测降雨数据进行修正，改善对极端降雨数据的修正效果，提高预测降雨数据的修正精度。
第三方面，本发明还提供了一种计算机设备，包括存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面或第一方面的任一实施方式的降雨数据修正方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面或第一方面的任一实施方式的降雨数据修正方法的步骤。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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方式，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是根据一示例性实施例提出的一种降雨数据修正方法的流程图；
图2是在一示例中，气象站点的泰森多边形示意图；
图3是在一示例中，确定目标网格格点的示意图；
图4是在一示例中，第二预测降雨数据的示意图；
图5是在一示例中，对第二预测降雨数据进行异常数据修正后，得到的第三预测降雨数据的示意图；
图6是在一示例中，第一预测降雨数据和第三预测降雨数据的对比示意图；
图7是对第一预测降雨数据进行极端数据修正前后的对比示意图；
图8为根据一示例性实施例提出的一种降雨数据修正装置的结构示意图；
图9是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明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。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
为改善极端降雨数据的修正效果，本发明提出了一种降雨数据修正方法、装置、计算机设备及介质。
图1是根据一示例性实施例提出的一种降雨数据修正方法的流程图。如图1所示，降雨数据修正方法包括如下步骤S101至S106。
步骤S101：获取第一预测降雨数据、历史实测降雨序列、历史预测降雨序列，历史实测降雨序列中包括多个历史实测降雨数据，历史预测降雨序列中包括多个第一历史预测降雨数据。
在一可选实施例中，降雨数据可以为降雨量，也可以为降水强度等表征降雨信息的数据量，在此不做具体限制。
在一可选实施例中，预测降雨数据为降水产品中的网格格点数据，可以通过降水产品获得，降水产品可以为遥感降水产品、降水再分析产品，还可以为气候模式数据，在此不做具体限制。在本发明实施例中，预测降雨数据为美国国家环境预测中心（NCEP）全球预报系统模式（GFS）第二代再分析产品CFSv2降水数据。
在一可选实施例中，历史实测降雨数据为气象站点监测得到的实际降雨数据。示例性地，根据各气象站点的经纬度信息，结合边界条件，可以确定各气象站点的泰森多边形。如图2所示，每个气象站点的泰森多边形中包含有多个网格格点（产品格点）。将第一预测降雨数据对应的网格格点所属的多边形区域作为目标多边形区域，将目标多边形区域对应的气象站点监测得到的实际降雨数据作为历史实测降雨数据。
在一可选实施例中，历史实测降雨序列是由与第一预测降雨数据同时期的多个历史实测降雨数据构成。历史预测降雨序列是由与历史实测降雨序列对应的历史预测降雨数据构成。示例性地，第一预测降雨数据为 2024年1月份的预测降雨数据，历史实测降雨序列是由2021年1月份的历史实测降雨数据、2022年1月份的历史实测降雨数据和2023年1月份的历史实测降雨数据构成。对应的，历史预测降雨序列是由2021年1月份的历史预测降雨数据、2022年1月份的历史预测降雨数据和2023年1月份的历史预测降雨数据构成。
步骤S102：在历史实测降雨序列中，确定预设分位数对应的实测参考值。
在一可选实施例中，预设分位数可以根据实际需要设定，示例性地，可以为二分位数、四分位数等，在此不做具体限定。
步骤S103：在历史预测降雨序列中，确定预设分位数对应的预测参考值。
步骤S104：根据实测参考值，确定历史实测降雨序列中的实测极端数据。
在一可选实施例中，极端数据包括极大值数据和极小值数据，对应的预设分位数包括极大值数据对应的第一预设分位数和极小值数据对应的第二预设分位数。示例性地，假设实测降雨数据为降雨量1mm、降雨量2mm、降雨量3mm、降雨量4mm。当第一预设分位数为第三四分位数时，对应的实测参考值为3.5mm，则实测极端数据包括降雨量4mm。当第二预设分位数为第一四分位数时，对应的实测参考值为1.5mm，则实测极端数据包括1mm。
步骤S105：根据预测参考值，确定历史预测降雨序列中的预测极端数据。
步骤S106：根据预测参考值、实测极端数据和预测极端数据，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在相关技术中，对降雨数据进行修正时，仅仅通过降雨数据的均值对降雨数据进行修正，并没有考虑到丰水期或者枯水期中的极端数据，通过上述方法，在历史实测降雨序列和历史预测降雨序列中确定极端数据，根据确定的极端数据对预测降雨数据进行修正，改善对极端降雨数据的修正效果，提高预测降雨数据的修正精度。
在一示例中，上述步骤S101中，通过如下步骤获取第一历史预测降雨数据：
首先，获取历史实测降雨数据对应的气象站点的经纬度信息。
然后，将与气象站点距离最近的网格格点（产品格点）确定为目标网格格点，如图3所示。
在一可选实施例中，降水产品的网格格点与气象站点之间的距离通过如下公式获得：
其中，S为网格格点与气象站点之间的距离；lat 0、lon 0分别为气象站点的经度值、纬度值；lat i、lon i分别为网格格点i的经度值、纬度值。
在一可选实施例中，网格格点的经纬度信息可以利用ARCGIS工具，根据空间网格质心位置转化得到。
最后，将目标网格格点对应的历史预测降雨数据作为第一历史预测降雨数据。
在一示例中，在上述步骤S101中，通过如下步骤获取第一预测降雨数据：
步骤a1：获取第二预测降雨数据。示例性地，第二预测降雨数据可以通过气候模式数据、遥感降水数据、降水再分析数据等为代表的降水数据产品获得，此时第二降雨数据为网格数据。
步骤a2：根据各历史实测降雨数据和各第一历史预测降雨数据，对第二预测降雨数据进行修正，得到第一预测降雨数据。
在一可选实施例中，在上述步骤a2中，通过如下步骤对第二预测降雨数据进行修正：
步骤b1：根据第一历史预测降雨数据的均值，对第二预测降雨数据进行修正，得到第三预测降雨数据。
在一可选实施例中，当第二预测降雨数据与第一历史预测降雨数据的均值之间的比值大于第一预设阈值时，将第一历史预测降雨数据的均值作为第三预测降雨数据。第一预设阈值可以根据需要设定，在此不做具体限制。
在本发明实施例中，比较第二预测降雨数据与第一历史预测降雨数据的均值之间的大小，当第二预测降雨数据与第一历史预测降雨数据的均值之间的比值大于第一预设阈值时，判定第二预测降雨数据为异常数据，此时将第一历史预测降雨数据的均值作为第三预测降雨数据；当第二预测降雨数据与第一历史预测降雨数据的均值之间的比值小于等于第一预设阈值时，判定此时的第二预测降雨数据是正常数据，具体公式表示如下：
其中，为i时刻第三预测降雨数据；/>为i时刻第二预测降雨数据；/>为i时刻第一历史预测降雨数据的均值；/>为第一预设阈值。图4为第二预测降雨数据的示意图。图4中的异常点超过了降水产品多年均值，将异常点对应的降水量作为异常数据。图5为对第二预测降雨数据进行异常数据修正后，得到的第三预测降雨数据的示意图。通过本发明实施例，根据第二预测降雨数据与第一历史预测降雨数据的均值之间的比值判定是否存在异常数据，提高预测降雨数据的修正精度。
步骤b2：根据历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据。
在一可选实施例中，通过如下内容对第三预测降雨数据进行修正：
首先，根据第一历史预测降雨数据的均值，对各第一历史预测降雨数据进行修正，得到各第一历史预测降雨数据对应的第二历史预测降雨数据。示例性地，对于第一历史预测降雨数据的修正公式可以表示为：
其中，为i时刻第二历史预测降雨数据；/>为i时刻第一历史预测降雨数据的均值；/>为i时刻第一历史预测降雨数据；/>为i时刻历史实测降雨数据；/>为第一预设阈值；/>为第三预设阈值。
然后，根据第二历史预测降雨数据的均值和历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据。具体公式如下所示：
其中，为i时刻第一预测降雨数据；/>为i时刻第三预测降雨数据；/>为i时刻历史实测降雨数据的均值；/>为i时刻第二历史预测降雨数据的均值；/>为第二预设阈值。
图6为第一预测降雨数据和第三预测降雨数据的对比示意图。其中，第一预测降雨数据为CFSv2产品均值修正结果，第三预测降雨数据为去掉异常数据后的CFSv2产品降水量记录值。
在一示例中，在上述步骤S102中，预设分位数包括第一预设分位数，在历史实测降雨序列中，将大于第一预设分位数对应的实测参考值的历史实测降雨数据，作为实测极端数据。同样的，在历史预测降雨序列中，将大于第一预设分位数对应的预测参考值的历史预测降雨数据，作为预测极端数据。
在一示例中，在上述步骤S102中，预设分位数包括第二预设分位数，在历史实测降雨序列中，将小于第二预设分位数对应的实测参考值的历史实测降雨数据，作为实测极端数据。同样的，在历史预测降雨序列中，将小于第二预设分位数对应的预测参考值的历史预测降雨数据，作为预测极端数据。
在一示例中，可以同时存在第一预设分位数和第二预设分位数。在历史实测降雨序列中，将大于第一预设分位数对应的实测参考值的历史实测降雨数据和小于第二预设分位数对应的实测参考值的历史实测降雨数据，均作为实测极端数据。同样的，在历史预测降雨序列中，将大于第一预设分位数对应的实测参考值的历史实测降雨数据和小于第二预设分位数对应的预测参考值的历史预测降雨数据，均作为预测极端数据。示例性地，假设实测降雨数据为降雨量1mm、降雨量2mm、降雨量3mm、降雨量4mm。当第一预设分位数为第三四分位数时，第一预设分位数对应的实测参考值为3.5mm；同时，当第二预设分位数为第一四分位数时，第二预设分位数对应的实测参考值为1.5mm，此时的实测极端数据包括1mm和4mm。
在一示例中，也可以通过预设重现期概率对应的实测参考值，确定实测极端数据，通过预设重现期概率对应的预测参考值，确定预测极端数据。在本发明实施例中，对于历史实测降雨序列，将序列中的历史实测降雨数据进行降序排列，各历史实测降雨数据的重现期概率的计算公式为：
其中，nn为历史实测降雨数据对应的重现期概率；num为历史实测降雨数据对应的排序号；sum为参与排序的样本个数，即历史实测降雨序列中历史实测降雨数据的个数。第一历史预测降雨数据的重现期概率计算方式与历史实测降雨数据类似，在此不作赘述。其中，预设重现期概率的设置可以根据需要确定，在此不作赘述。
在一示例中，在上述步骤S105中，通过如下内容对第一预测降雨数据进行修正：
首先，分别计算实测极端数据的均值、预测极端数据的均值。
然后，当第一预测降雨数据大于或等于第一预设分位数对应的预测参考值时，判定第一预测降雨数据为极端数据，根据实测极端数据的均值，以及预测极端数据的均值，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在一可选实施例中，可以通过实测极端数据的均值与预测极端数据的均值的比例关系，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在一示例中，在上述步骤S106中，通过如下方式对第一预测降雨数据进行修正：
首先，分别计算实测极端数据的均值、预测极端数据的均值。
然后，当第一预测降雨数据小于或等于第二预设分位数对应的预测参考值时，判定第一预测降雨数据为极端数据，根据实测极端数据的均值，以及预测极端数据的均值，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
在本发明实施例中，对第一预测降雨数据进行修正的具体公式表示如下：
其中，为i时刻修正后的第一预测降雨数据；/>为i时刻第一预测降雨数据；为第一预设分位数对应的预测参考值；/>为第二预设分位数对应的预测参考值；/>为第一预设分位数对应的实测极端数据的均值；/>为第二预设分位数对应的实测极端数据的均值；/>为第一预设分位数对应的预测极端数据的均值；/>为第二预设分位数对应的预测极端数据的均值；n为序列中降雨数据的个数。
图7为对第一预测降雨数据进行极端数据修正前后的对比示意图。其中，第一预测降雨数据为CFSv2产品均值修正结果，第一预测降雨数据与气象站点降水量实测值之间的R2系数为0.886，NSE系数为0.768。极值数据修正后的第一预测降雨数据为CFSv2产品极值修正结果，极值数据修正后的第一预测降雨数据与气象站点降水量实测值之间的R2系数为0.892，NSE系数为0.783。由此可见，极值修正后的第一预测降雨数据更接近气象站点降水量实测值，修正效果得到了改善。
基于相同发明构思，本发明实施例还提供一种降雨数据修正装置，如图8所示，该装置包括：
获取模块801，用于获取第一预测降雨数据、历史实测降雨序列、历史预测降雨序列，历史实测降雨序列中包括多个历史实测降雨数据，历史预测降雨序列中包括多个第一历史预测降雨数据；详细内容参见上述实施例中步骤S101的描述，在此不再赘述。
第一确定模块802，用于在历史实测降雨序列中，确定预设分位数对应的实测参考值；详细内容参见上述实施例中步骤S102的描述，在此不再赘述。
第二确定模块803，用于在历史预测降雨序列中，确定预设分位数对应的预测参考值；详细内容参见上述实施例中步骤S103的描述，在此不再赘述。
第三确定模块804，用于根据实测参考值，确定历史实测降雨序列中的实测极端数据；详细内容参见上述实施例中步骤S104的描述，在此不再赘述。
第四确定模块805，用于根据预测参考值，确定历史预测降雨序列中的预测极端数据；详细内容参见上述实施例中步骤S105的描述，在此不再赘述。
修正模块806，用于根据预测参考值、实测极端数据和预测极端数据，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。详细内容参见上述实施例中步骤S106的描述，在此不再赘述。
在一示例中，预设分位数包括第一预设分位数，第三确定模块804包括：
第一确定子模块，用于在历史实测降雨序列中，将大于第一预设分位数对应的实测参考值的历史实测降雨数据，作为实测极端数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，预设分位数包括第二预设分位数，第三确定模块804还包括：
第二确定子模块，用于在历史实测降雨序列中，将小于第二预设分位数对应的实测参考值的历史实测降雨数据，作为实测极端数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，修正模块806包括：
第一计算子模块，用于分别计算实测极端数据的均值、预测极端数据的均值；详细内容参见上述实施例中的描述，在此不再赘述。
第一修正子模块，用于当第一预测降雨数据大于或等于第一预设分位数对应的预测参考值时，根据实测极端数据的均值，以及预测极端数据的均值，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第一修正子模块包括：
第一修正单元，用于根据实测极端数据的均值与预测极端数据的均值的比例关系，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，修正模块806包括：
第二计算子模块，用于分别计算实测极端数据的均值、预测极端数据的均值；详细内容参见上述实施例中的描述，在此不再赘述。
第二修正子模块，用于当第一预测降雨数据小于或等于第二预设分位数对应的预测参考值时，根据实测极端数据的均值，以及预测极端数据的均值，对第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，获取模块801包括：
第一获取子模块，用于获取第二预测降雨数据；详细内容参见上述实施例中的描述，在此不再赘述。
第三修正子模块，用于根据各历史实测降雨数据和各第一历史预测降雨数据，对第二预测降雨数据进行修正，得到第一预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第三修正子模块包括：
第二修正单元，用于根据第一历史预测降雨数据的均值，对第二预测降雨数据进行修正，得到第三预测降雨数据；详细内容参见上述实施例中的描述，在此不再赘述。
第三修正单元，用于根据历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第二修正单元包括：
第一修正子单元，用于当第二预测降雨数据与第一历史预测降雨数据的均值之间的比值大于第一预设阈值时，将第一历史预测降雨数据的均值作为第三预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第三修正单元包括：
第二修正子单元，用于根据第一历史预测降雨数据的均值，对各第一历史预测降雨数据进行修正，得到各第一历史预测降雨数据对应的第二历史预测降雨数据；详细内容参见上述实施例中的描述，在此不再赘述。
第三修正子单元，用于根据第二历史预测降雨数据的均值和历史实测降雨数据的均值，对第三预测降雨数据进行修正，得到第一预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第三修正子单元通过如下公式，对第三预测降雨数据进行修正，得到第一预测降雨数据，包括：
其中，为i时刻第一预测降雨数据；/>为i时刻第三预测降雨数据；/>为i时刻历史实测降雨数据的均值；/>为i时刻第二历史预测降雨数据的均值；/>为第二预设阈值。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，获取模块801还包括：
第二获取子模块，用于获取历史实测降雨数据对应的气象站点的经纬度信息；详细内容参见上述实施例中的描述，在此不再赘述。
第三确定子模块，用于将与气象站点距离最近的网格格点确定为目标网格格点；详细内容参见上述实施例中的描述，在此不再赘述。
第四确定子模块，用于将目标网格格点对应的历史预测降雨数据作为第一历史预测降雨数据。详细内容参见上述实施例中的描述，在此不再赘述。
上述装置的具体限定以及有益效果可以参见上文中对于降雨数据修正方法的限定，在此不再赘述。上述各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图9是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。如图9所示，该设备包括一个或多个处理器910以及存储器920，存储器920包括持久内存、易失内存和硬盘，图9中以一个处理器910为例。该设备还可以包括：输入装置930和输出装置940。
处理器910、存储器920、输入装置930和输出装置940可以通过总线或者其他方式连接，图9中以通过总线连接为例。
处理器910可以为中央处理器（Central Processing Unit，CPU）。处理器910还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（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、分立硬件组件等芯片，或者上述各类芯片的组合。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。
存储器920作为一种非暂态计算机可读存储介质，包括持久内存、易失内存和硬盘，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中降雨数据修正方法对应的程序指令/模块。处理器910通过运行存储在存储器920中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述任意一种降雨数据修正方法。
存储器920可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据、需要使用的数据等。此外，存储器920可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器920可选包括相对于处理器910远程设置的存储器，这些远程存储器可以通过网络连接至数据处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置930可接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的信号输入。输出装置940可包括显示屏等显示设备。
一个或者多个模块存储在存储器920中，当被一个或者多个处理器910执行时，执行如图1所示的方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，具体可参见如图1所示的实施例中的相关描述。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的修正方法。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（RandomAccess Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种降雨数据修正方法，其特征在于，所述方法包括：
获取第一预测降雨数据、历史实测降雨序列、历史预测降雨序列，所述历史实测降雨序列中包括多个历史实测降雨数据，所述历史预测降雨序列中包括多个第一历史预测降雨数据；
在所述历史实测降雨序列中，确定预设分位数对应的实测参考值；
在所述历史预测降雨序列中，确定所述预设分位数对应的预测参考值；
根据所述实测参考值，确定所述历史实测降雨序列中的实测极端数据；
根据所述预测参考值，确定所述历史预测降雨序列中的预测极端数据；
根据所述预测参考值、所述实测极端数据和所述预测极端数据，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
2.根据权利要求1所述的方法，其特征在于，所述预设分位数包括第一预设分位数，根据所述实测参考值，确定所述历史实测降雨序列中的实测极端数据，包括：
在所述历史实测降雨序列中，将大于所述第一预设分位数对应的实测参考值的历史实测降雨数据，作为所述实测极端数据。
3.根据权利要求1所述的方法，其特征在于，所述预设分位数包括第二预设分位数，根据所述实测参考值，确定所述历史实测降雨序列中的实测极端数据，包括：
在所述历史实测降雨序列中，将小于所述第二预设分位数对应的实测参考值的历史实测降雨数据，作为所述实测极端数据。
4.根据权利要求2所述的方法，其特征在于，根据所述预测参考值、所述实测极端数据和所述预测极端数据，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据，包括：
分别计算所述实测极端数据的均值、所述预测极端数据的均值；
当所述第一预测降雨数据大于或等于所述第一预设分位数对应的预测参考值时，根据所述实测极端数据的均值，以及所述预测极端数据的均值，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
5.根据权利要求4所述的方法，其特征在于，根据所述实测极端数据的均值，以及所述预测极端数据的均值，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据，包括：
根据所述实测极端数据的均值与所述预测极端数据的均值的比例关系，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
6.根据权利要求3所述的方法，其特征在于，根据所述预测参考值、所述实测极端数据和所述预测极端数据，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据，包括：
分别计算所述实测极端数据的均值、所述预测极端数据的均值；
当所述第一预测降雨数据小于或等于所述第二预设分位数对应的预测参考值时，根据所述实测极端数据的均值，以及所述预测极端数据的均值，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
7.根据权利要求1所述的方法，其特征在于，获取所述第一预测降雨数据，包括：
获取第二预测降雨数据；
根据各所述历史实测降雨数据和各所述第一历史预测降雨数据，对所述第二预测降雨数据进行修正，得到所述第一预测降雨数据。
8.根据权利要求7所述的方法，其特征在于，根据各所述历史实测降雨数据和各所述第一历史预测降雨数据，对所述第二预测降雨数据进行修正，得到所述第一预测降雨数据，包括：
根据所述第一历史预测降雨数据的均值，对所述第二预测降雨数据进行修正，得到第三预测降雨数据；
根据所述历史实测降雨数据的均值，对所述第三预测降雨数据进行修正，得到所述第一预测降雨数据。
9.根据权利要求8所述的方法，其特征在于，根据所述第一历史预测降雨数据的均值，对所述第二预测降雨数据进行修正，得到第三预测降雨数据，包括：
当所述第二预测降雨数据与所述第一历史预测降雨数据的均值之间的比值大于第一预设阈值时，将所述第一历史预测降雨数据的均值作为所述第三预测降雨数据。
10.根据权利要求8所述的方法，其特征在于，根据所述历史实测降雨数据的均值，对所述第三预测降雨数据进行修正，得到所述第一预测降雨数据，包括：
根据所述第一历史预测降雨数据的均值，对各所述第一历史预测降雨数据进行修正，得到各所述第一历史预测降雨数据对应的第二历史预测降雨数据；
根据所述第二历史预测降雨数据的均值和所述历史实测降雨数据的均值，对所述第三预测降雨数据进行修正，得到所述第一预测降雨数据。
11.根据权利要求10所述的方法，其特征在于，根据所述第二历史预测降雨数据的均值和所述历史实测降雨数据的均值，对所述第三预测降雨数据进行修正，得到所述第一预测降雨数据，包括：
其中，为i时刻第一预测降雨数据；/>为i时刻第三预测降雨数据；/>为i时刻历史实测降雨数据的均值；/>为i时刻第二历史预测降雨数据的均值；/>为第二预设阈值。
12.根据权利要求1所述的方法，其特征在于，获取所述第一历史预测降雨数据，包括：
获取所述历史实测降雨数据对应的气象站点的经纬度信息；
将与所述气象站点距离最近的网格格点确定为目标网格格点；
将所述目标网格格点对应的历史预测降雨数据作为所述第一历史预测降雨数据。
13.一种降雨数据修正装置，其特征在于，所述装置包括：
获取模块，用于获取第一预测降雨数据、历史实测降雨序列、历史预测降雨序列，所述历史实测降雨序列中包括多个历史实测降雨数据，所述历史预测降雨序列中包括多个第一历史预测降雨数据；
第一确定模块，用于在所述历史实测降雨序列中，确定预设分位数对应的实测参考值；
第二确定模块，用于在所述历史预测降雨序列中，确定所述预设分位数对应的预测参考值；
第三确定模块，用于根据所述实测参考值，确定所述历史实测降雨序列中的实测极端数据；
第四确定模块，用于根据所述预测参考值，确定所述历史预测降雨序列中的预测极端数据；
修正模块，用于根据所述预测参考值、所述实测极端数据和所述预测极端数据，对所述第一预测降雨数据进行修正，得到修正后的第一预测降雨数据。
14.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-12中任一项所述的降雨数据修正方法的步骤。
15.一种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1-12中任一项所述的降雨数据修正方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311331873.6A CN117075230B (zh) | 2023-10-16 | 2023-10-16 | 一种降雨数据修正方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311331873.6A CN117075230B (zh) | 2023-10-16 | 2023-10-16 | 一种降雨数据修正方法、装置、计算机设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117075230A true CN117075230A (zh) | 2023-11-17 |
| CN117075230B CN117075230B (zh) | 2024-01-26 |
Family
ID=88704636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311331873.6A Active CN117075230B (zh) | 2023-10-16 | 2023-10-16 | 一种降雨数据修正方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117075230B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2021100001A4 (en) * | 2021-01-01 | 2021-03-18 | Baghavathi Priya, S. DR | Scientific model for predicting change in rainfall using climatic raster data mining |
| KR20210075264A (ko) * | 2019-12-12 | 2021-06-23 | 부경대학교 산학협력단 | 과거 극한 강우 사상 기반 강우량 예측 프로그램 |
| JP2022164555A (ja) * | 2021-04-15 | 2022-10-27 | 武▲漢▼大学 | 都市における計画降雨波形の固有直交分解による推計方法及びシステム |
| CN115685396A (zh) * | 2022-11-16 | 2023-02-03 | 黄河水利委员会水文水资源信息中心 | 一种降水预报修正方法及装置 |
| CN115980885A (zh) * | 2023-01-04 | 2023-04-18 | 国能陕西水电有限公司 | 基于集合预报的降水预报偏差校正方法 |
-
2023
- 2023-10-16 CN CN202311331873.6A patent/CN117075230B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210075264A (ko) * | 2019-12-12 | 2021-06-23 | 부경대학교 산학협력단 | 과거 극한 강우 사상 기반 강우량 예측 프로그램 |
| AU2021100001A4 (en) * | 2021-01-01 | 2021-03-18 | Baghavathi Priya, S. DR | Scientific model for predicting change in rainfall using climatic raster data mining |
| JP2022164555A (ja) * | 2021-04-15 | 2022-10-27 | 武▲漢▼大学 | 都市における計画降雨波形の固有直交分解による推計方法及びシステム |
| CN115685396A (zh) * | 2022-11-16 | 2023-02-03 | 黄河水利委员会水文水资源信息中心 | 一种降水预报修正方法及装置 |
| CN115980885A (zh) * | 2023-01-04 | 2023-04-18 | 国能陕西水电有限公司 | 基于集合预报的降水预报偏差校正方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙映宏;: "基于均生函数模型的杭州市年降雨量预测", 水电能源科学, vol. 27, no. 02, pages 14 - 16 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117075230B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636032B (zh) | 基于多模式集成的降水预报方法、系统、终端及存储介质 | |
| CN110390343B (zh) | 一种空间气象数据的订正方法及系统 | |
| CN112039711B (zh) | 流量预测方法及设备 | |
| CN110597873A (zh) | 降水数据估计方法、装置、设备及存储介质 | |
| CN115204495A (zh) | 一种电网沿线站点预测气象数据的修正方法及装置 | |
| CN111126684A (zh) | 气候预测方法、装置、计算机可读存储介质和服务器 | |
| EP4318278A1 (en) | Method and apparatus for processing runoff abnormal abrupt-change data | |
| CN112036038A (zh) | 一种排放源的排放量调优方法、装置、设备及存储介质 | |
| CN116739152A (zh) | 新能源功率预测模型的构建方法和新能源功率预测方法 | |
| CN110210774B (zh) | 滑坡风险评价方法及系统 | |
| CN115980755A (zh) | 一种基于ConvLSTM的风暴临近外推方法和装置 | |
| CN117075230B (zh) | 一种降雨数据修正方法、装置、计算机设备及介质 | |
| CN112036634B (zh) | 光伏发电功率的确定方法、预测系统及可读存储介质 | |
| CN110968929A (zh) | 风电场风速的预测方法、装置及电子设备 | |
| CN116186493A (zh) | 基于数值模式校正的气象预报方法、装置、设备和介质 | |
| CN116796649A (zh) | 一种基于机器学习的spei粗分辨率数据空间降尺度方法及装置 | |
| Smith et al. | Testing probabilistic adaptive real‐time flood forecasting models | |
| CN115689067A (zh) | 太阳辐照度预测方法、装置及存储介质 | |
| CN112836900B (zh) | 风电预测误差概率计算方法、装置及可读存储介质 | |
| CN113159426A (zh) | 天气型相似性判断方法、装置、电子设备及可读存储介质 | |
| CN114185882A (zh) | 一种不良数据修正方法、装置、存储介质及电子设备 | |
| JP2006275674A (ja) | 気象予測支援システム | |
| CN115629431B (zh) | 一种水汽含量预测方法、装置、设备及介质 | |
| CN116663432B (zh) | 一种百米高度风速预报订正降尺度方法及装置 | |
| CN117057174A (zh) | 一种缺资料地区径流预测的方法 |
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 |