[發明專利]一種氣象數據缺失插補方法和系統

在審

• 申請號: 202010151981.5
• 申請日: 2020-03-06
• 公開（公告）號: CN111382147A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 匡亮;季云峰;劉麗;高云;施珮
• 申請（專利權）人: 江蘇信息職業技術學院
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/29;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 朱戈勝

本發明涉及氣象監測技術領域，尤其涉及一種氣象數據缺失插補方法和系統，其特征在于：所述插補方法首先對氣象數據進行主成分分析，主成分分析后的數據構建ELM神經網絡，并采用小生境思維進化算法優化極限學習機，構建NMEA?ELM預測模型，以氣象數據中的指標參數作為預測模型輸入量，以缺失氣象數據作為輸出數據，完成缺失氣象數據的插補。本發明插補數據精度更高，更有效，提高自動氣象站數據的準確性和完整性。

技術領域

本發明涉及氣象監測技術領域，尤其涉及一種氣象數據缺失插補方法和系統。

背景技術

氣象觀測資料是天氣預報、氣候分析、氣象研究的重要依據，因此，自動氣象站數據的準確性、完整性顯得尤為重要；由于受野外環境干擾、傳感器設備故障等影響，短時期內數據的缺失遺漏難免發生，對資料的可用性及后續深入研究產生影響；

目前，國內對缺失氣象數據插補研究主要集中在空間插補方法上，即氣象資料的插補根據地域內氣象站的數量、區域空間分布和特定的氣象要素等具體情況進行計算，當局部區域內沒有氣象站或周邊氣象站數據也缺失的情況下，此種方法顯然無法實現插補。

發明內容

本發明的目的是為了提供一種氣象數據缺失插補方法和系統，采用小生境思維進化算法優化極限學習機方法對缺失氣象數據進行插補，準確性高。

為解決以上技術問題，本發明的技術方案為：一種氣象數據缺失插補方法，其步驟包括：

步驟1)：產生訓練集和測試集，進行主成分分析，具體為：

步驟1.1)：原始數據進行標準化處理，得到標準矩陣，即：

式中，i＝1,2,...,N；j＝1,2,...,m；其中，m表示對象特征總數，N表示數據個數，即采集了m個對象特征，每個對象特征有N個數據；s_j分別為指標變量x_j的均值和方差；指標包括溫度、濕度、氣壓、風向、光照、二氧化碳含量和風速；

步驟1.2)：使用主成分分析法計算主成分貢獻率及累計貢獻率：

利用降維的方法將多個指標轉換為少量相互不相關的指標，從而簡化模型；

設原變量X₁,X₂,X₃,…X_m分別表示各對象的特征，用N×m矩陣表示，則，

計算特征值和特征向量

R＝X^*TX^*/(N-1) (3)

式中，R為自相關矩陣，X^*T為矩陣轉置，X^*為標準化后的數據矩陣；求得相關矩陣的特征值λ₁,λ₂,…λ_m和相應的特征向量u₁,u₂,…u_m；

計算主成分貢獻率和累計貢獻率

主成分貢獻率：

累計貢獻率：

步驟1.3)：確定主成分個數和主成分矩陣；

選取前p(p﹤m)個主成分，使累計方差貢獻率滿足預設貢獻率閾值范圍，m個原始變量中的信息就由選取的p個主成分來替代，主成分個數因此即為p；