首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种大河流域夏季极端降水预测的方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:兰州大学

摘要:本发明公开了一种大河流域夏季极端降水预测的方法,包括步骤:通过时间主成分PC和关键的海洋和环流气候因子建立多元线性回归预测方程,采用交叉检验方法评估进模型对每个PC的预测表现;利用空间模态将预测的主成分PCs进行重新投影,得到空间上极端降水强度增量,通过查看每个空间上极端降水增量的预测值和观测值的相关系数评估模型在空间上的表现;基于增量法的定义对预测的空间上的极端降水强度增量叠加前一年在大河流域整个区域上的极端降水强度的观测值,得到最终预测的空间极端降水强度值。本发明有效地放大了预测信号,过滤了长周期的波动,有利于预测模型的性能的提升,有利于预测过程中捕捉不同降水分布型下的影响因子。

主权项:1.一种大河流域夏季极端降水预测的方法,其特征在于,该方法包括以下步骤:1获取当前大河流域的夏季极端降水的强度增量,对极端降水增量进行经验正交模态分解,对降水进行降维,提取极端降水增量的时间主成分PC作为预测目标;在步骤1中,所述经验正交模态分解EOF包括以下具体步骤:对收集的观测数据进行标准化,确保不同变量的量级不会对分析造成影响;将数据转化为一个二维矩阵,其中每一行对应一个时间点,每一列对应一个空间点,每个元素表示相应时间和空间点的观测值;计算数据矩阵的协方差矩阵,该矩阵描述了不同时间和空间点之间的相关性;对协方差矩阵进行特征值分解,得到特征值和特征向量;根据特征值的大小,选择主要的特征向量成分,该成分对应数据的组要模态;将选定的特征向量乘以标准化后的数据矩阵,得到EOF模态;通过将标准化后的数据矩阵投影到选定的EOF模态上,计算主成分PC的时间系数;返回EOF模态和PC时间系数,用于分析、可视化和解释数据的主要变化模式;2获取影响极端降水的海洋以及环流的逐月的增量结果,通过皮尔逊相关分析和双向逐步回归筛选出对极端降水增量的时间主成分PC有物理意义的气候因子,对选出的气候因子进行逐步回归,为每个PC保留关键的海洋和环流气候因子;3通过所述时间主成分PC和关键的海洋和环流气候因子建立多元线性回归预测方程,采用交叉检验方法评估进模型对每个PC的预测表现;4利用空间模态将预测的主成分PCs进行重新投影,得到空间上极端降水强度增量,通过查看每个空间上极端降水增量的预测值和观测值的相关系数评估模型在空间上的表现,空间的相关系数越高,代表预测效果越好;所述重新投影包括以下步骤:将预测的几个主成分乘以各自对应的空间模态;计算每年空间上极端降水增量的预测值和观测值的相关系数,评估上述建立的主成分模型在空间上的表现;5基于增量法的定义对预测的空间上的极端降水强度增量叠加前一年在大河流域整个区域上的极端降水强度的观测值,得到最终预测的空间极端降水强度值。

全文数据:

权利要求:

百度查询: 兰州大学 一种大河流域夏季极端降水预测的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。