【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及水文及氣象數(shù)據(jù)分析領(lǐng)域，尤其是涉及顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法。
技術(shù)介紹
1、隨著城市的快速擴(kuò)張，城市不透水面增加，加之極端降水事件，極易造成城市洪澇災(zāi)害，給人民生命財(cái)產(chǎn)安全帶來(lái)了重大損失。在降水預(yù)報(bào)中，降水實(shí)況數(shù)據(jù)是降水預(yù)報(bào)的基礎(chǔ)和前提，決定著預(yù)報(bào)的效果。結(jié)合地面雨量站、雷達(dá)和衛(wèi)星遙感降水?dāng)?shù)據(jù)的優(yōu)勢(shì)，進(jìn)行多源降水?dāng)?shù)據(jù)融合是獲取高時(shí)空分辨率降水?dāng)?shù)據(jù)的重要手段。多源降水融合中存在各降水?dāng)?shù)據(jù)空間分辨率、尺度不一致的問(wèn)題，提出有效的降水空間分辨率提升方法，能為融合結(jié)果提供更多降水詳細(xì)信息。目前多數(shù)研究集中于月、日時(shí)間尺度降水?dāng)?shù)據(jù)融合，針對(duì)短時(shí)間尺度的融合方法研究較少。對(duì)城市而言，經(jīng)常是短歷時(shí)的高強(qiáng)度降水造成的城市洪澇災(zāi)害，而短時(shí)段降水具有很強(qiáng)的時(shí)空異質(zhì)性，直接對(duì)多源降雨數(shù)據(jù)進(jìn)行融合不僅會(huì)造成對(duì)無(wú)雨區(qū)域的錯(cuò)誤估計(jì)，而且還會(huì)降低融合模型的可靠性。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)目的是提出一種顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法。
2、本專利技術(shù)采用的技術(shù)方案為：顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，包括以下步驟：
3、步驟1，建立以每個(gè)雨量站為中心的3×3的9個(gè)網(wǎng)格，提取每半個(gè)小時(shí)時(shí)間步長(zhǎng)上網(wǎng)格對(duì)應(yīng)柵格數(shù)據(jù)的像元值，因子為雷達(dá)降水，經(jīng)過(guò)降尺度、時(shí)間重采樣后的衛(wèi)星降水以及經(jīng)度、緯度和高程數(shù)據(jù)，建立解釋變量和實(shí)測(cè)降水在空間上相對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)集；
4、步驟2，對(duì)步驟1得到的半個(gè)小時(shí)的網(wǎng)格降水和地理因子數(shù)據(jù)
5、步驟3，利用隨機(jī)森林分類模型對(duì)降水狀態(tài)進(jìn)行預(yù)測(cè)；利用各柵格的特征數(shù)據(jù)集，使用考慮鄰域降水狀態(tài)的隨機(jī)森林分類模型對(duì)柵格像元是否有降水進(jìn)行預(yù)測(cè)，當(dāng)預(yù)測(cè)到該地區(qū)有雨時(shí)，該像元賦值為1，當(dāng)預(yù)測(cè)到該地區(qū)無(wú)雨時(shí)，該像元賦值為0，得到降水狀態(tài)預(yù)測(cè)結(jié)果；
6、步驟4，利用降水狀態(tài)預(yù)測(cè)結(jié)果對(duì)融合降水結(jié)果進(jìn)行修正，對(duì)融合的降水量柵格賦權(quán)，相乘后獲取最終的融合降水結(jié)果。
7、進(jìn)一步，在步驟1中，實(shí)測(cè)降水以雨量站是否觀測(cè)到降水為目標(biāo)變量，選取雷達(dá)降水、降尺度后的兩種衛(wèi)星降水、經(jīng)度、緯度和高程作為降水狀態(tài)分類預(yù)測(cè)的樣本屬性，當(dāng)降水值大于或等于0.1mm時(shí)，認(rèn)為該區(qū)域有雨；降水值小于0.1mm，認(rèn)為該地區(qū)無(wú)雨。
8、進(jìn)一步，在步驟2中，使用隨機(jī)森林回歸克里金模型對(duì)降水量進(jìn)行預(yù)測(cè)，表達(dá)式為：
9、p＝f(psat,pradar,lon,lat,dem)+ε???????????(1)
10、式中，p是融合后的降雨估計(jì)值，psat是降尺度后的衛(wèi)星降雨數(shù)據(jù)，pradar是降尺度后的衛(wèi)星降雨數(shù)據(jù)，lon和lat代表經(jīng)度和緯度，dem代表地理高程數(shù)據(jù)，ε為殘差。
11、進(jìn)一步，在步驟3中，使用考慮鄰域降水狀態(tài)的隨機(jī)森林分類模型構(gòu)建降水狀態(tài)預(yù)測(cè)的二分類模型，隨機(jī)森林算法對(duì)預(yù)測(cè)的像元進(jìn)行投票，各像元所屬類別的概率為：
12、
13、式中，p(yj)為像元屬于yj的概率，yj為類別標(biāo)簽，vy為投票數(shù)，n為決策樹總數(shù)；每個(gè)像元所屬類別y表示為：
14、y＝argmax(p(yj))???????????????????(3)
15、進(jìn)一步，所述步驟4中，將預(yù)測(cè)的降水狀態(tài)作為權(quán)重，對(duì)步驟3的融合結(jié)果進(jìn)行逐像元修正，并將結(jié)果與協(xié)同克里金、未經(jīng)校正的隨機(jī)森林回歸克里金融合結(jié)果進(jìn)行比較。
16、本專利技術(shù)所具有的有益效果為：本專利技術(shù)利用隨機(jī)森林回歸克里金方法進(jìn)行多源降水?dāng)?shù)據(jù)融合，然后構(gòu)建考慮鄰域降水的隨機(jī)森林分類模型，對(duì)該區(qū)域是否降水進(jìn)行概率預(yù)測(cè)，若有雨則對(duì)融合結(jié)果進(jìn)行保留，若無(wú)雨則對(duì)該區(qū)域進(jìn)行修正，提高了多源降水?dāng)?shù)據(jù)融合的精度。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于：在步驟1中，實(shí)測(cè)降水以雨量站是否觀測(cè)到降水為目標(biāo)變量，選取雷達(dá)降水、降尺度后的兩種衛(wèi)星降水、經(jīng)度、緯度和高程作為降水狀態(tài)分類預(yù)測(cè)的樣本屬性，當(dāng)降水值大于或等于0.1mm時(shí)，認(rèn)為該區(qū)域有雨；降水值小于0.1mm，認(rèn)為該地區(qū)無(wú)雨。
3.根據(jù)權(quán)利要求1所述的顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于：在步驟2中，使用隨機(jī)森林回歸克里金模型對(duì)降水量進(jìn)行預(yù)測(cè)，表達(dá)式為：
4.根據(jù)權(quán)利要求1所述的顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于：在步驟3中，使用考慮鄰域降水狀態(tài)的隨機(jī)森林分類模型構(gòu)建降水狀態(tài)預(yù)測(cè)的二分類模型，隨機(jī)森林算法對(duì)預(yù)測(cè)的像元進(jìn)行投票，各像元所屬類別的概率為：
5.根據(jù)權(quán)利要求1所述的顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于：所述步驟4中，將預(yù)測(cè)的降水狀態(tài)作為權(quán)重，對(duì)步驟3的融合結(jié)果進(jìn)行逐像元修正，并將結(jié)果與
...【技術(shù)特征摘要】
1.顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于：在步驟1中，實(shí)測(cè)降水以雨量站是否觀測(cè)到降水為目標(biāo)變量，選取雷達(dá)降水、降尺度后的兩種衛(wèi)星降水、經(jīng)度、緯度和高程作為降水狀態(tài)分類預(yù)測(cè)的樣本屬性，當(dāng)降水值大于或等于0.1mm時(shí)，認(rèn)為該區(qū)域有雨；降水值小于0.1mm，認(rèn)為該地區(qū)無(wú)雨。
3.根據(jù)權(quán)利要求1所述的顧及鄰域降水的城市多源短歷時(shí)降水?dāng)?shù)據(jù)融合校正方法，其特征在于：在步驟2中，使用隨機(jī)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張宜，呂姍姍，劉威，謝芳玲，
申請(qǐng)(專利權(quán))人：南方電網(wǎng)調(diào)峰調(diào)頻發(fā)電有限公司運(yùn)行分公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。