[發(fā)明專利]一種耦合伽馬與高斯分布的月尺度降水預(yù)報(bào)校正方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011303631.2
• 申請(qǐng)日: 2020-11-19
• 公開（公告）號(hào): CN112415635B
• 公開（公告）日: 2022-03-29
• 發(fā)明（設(shè)計(jì)）人: 趙銅鐵鋼;黃澤青
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G01W1/10
• 分類號(hào): G01W1/10;G06F17/18
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 張金福

本發(fā)明提出一種耦合伽馬與高斯分布的月尺度降水預(yù)報(bào)校正方法，包括以下步驟：采集流域面平均月尺度降水的預(yù)報(bào)數(shù)據(jù)及其對(duì)應(yīng)的流域面平均降水的觀測(cè)值作為輸入數(shù)據(jù)；將輸入數(shù)據(jù)通過伽馬分布函數(shù)進(jìn)行擬合；計(jì)算每個(gè)輸入數(shù)據(jù)在對(duì)應(yīng)的伽馬分布中的累積分布函數(shù)值；將累積分布函數(shù)值轉(zhuǎn)化為服從標(biāo)準(zhǔn)正態(tài)分布的變量；根據(jù)服從標(biāo)準(zhǔn)正態(tài)分布的變量構(gòu)建聯(lián)合正態(tài)分布表征輸入數(shù)據(jù)中預(yù)報(bào)數(shù)據(jù)與觀測(cè)值的相關(guān)性；根據(jù)相關(guān)性對(duì)觀測(cè)值進(jìn)行隨機(jī)采樣，對(duì)采集的樣本進(jìn)行逆轉(zhuǎn)換，得到校正預(yù)報(bào)結(jié)果。本發(fā)明能夠有效量化隨機(jī)誤差，解決了系統(tǒng)的復(fù)雜性和隨機(jī)誤差對(duì)降水預(yù)報(bào)精度造成影響的問題，有效提高預(yù)報(bào)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及水文預(yù)報(bào)領(lǐng)域，更具體地，涉及一種耦合伽馬與高斯分布的月尺度降水預(yù)報(bào)校正方法。

背景技術(shù)

現(xiàn)有的全球氣象模型能夠提供豐富的降水預(yù)報(bào)信息，從全球降水預(yù)報(bào)產(chǎn)品中提取的流域尺度月尺度降水預(yù)報(bào)，能夠?yàn)榱饔蛩畮煺{(diào)度、農(nóng)業(yè)灌溉和防汛抗旱工作提供重要參考。雖然月尺度原始預(yù)報(bào)數(shù)據(jù)與觀測(cè)數(shù)據(jù)有良好的關(guān)聯(lián)關(guān)系，但同時(shí)也包含復(fù)雜的系統(tǒng)與隨機(jī)誤差，這給降水預(yù)報(bào)在實(shí)際應(yīng)用中帶來了困難，在一定程度上影響了預(yù)報(bào)精度。

公開號(hào)為CN108830419A(公開日2018-11-16)的專利提出了一種基于ECC 后處理的梯級(jí)水庫群入庫流量聯(lián)合預(yù)報(bào)方法，屬于水文預(yù)報(bào)技術(shù)領(lǐng)域，公開了依據(jù)實(shí)測(cè)數(shù)據(jù)結(jié)合伽馬分布函數(shù)對(duì)集合數(shù)值天氣預(yù)報(bào)數(shù)據(jù)進(jìn)行系統(tǒng)誤差校正，但仍然存在隨機(jī)誤差，對(duì)預(yù)報(bào)精度仍存在一定的影響。

發(fā)明內(nèi)容

本發(fā)明為克服上述現(xiàn)有技術(shù)所述的系統(tǒng)的復(fù)雜性和隨機(jī)誤差對(duì)降水預(yù)報(bào)精度造成影響的缺陷，提供一種耦合伽馬與高斯分布的月尺度降水預(yù)報(bào)校正方法。

為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

一種耦合伽馬與高斯分布的月尺度降水預(yù)報(bào)校正方法，包括以下步驟：

S1：采集流域面平均月尺度降水的預(yù)報(bào)數(shù)據(jù)及其對(duì)應(yīng)的流域面平均降水的觀測(cè)值作為輸入數(shù)據(jù)；

S2：將輸入數(shù)據(jù)通過伽馬分布函數(shù)進(jìn)行擬合；

S3：計(jì)算每個(gè)輸入數(shù)據(jù)在對(duì)應(yīng)的伽馬分布中的累積分布函數(shù)值；

S4：將累積分布函數(shù)值轉(zhuǎn)化為服從標(biāo)準(zhǔn)正態(tài)分布的變量；

S5：根據(jù)服從標(biāo)準(zhǔn)正態(tài)分布的變量構(gòu)建聯(lián)合正態(tài)分布表征輸入數(shù)據(jù)中預(yù)報(bào)數(shù)據(jù)與觀測(cè)值的相關(guān)性；

S6：根據(jù)相關(guān)性對(duì)觀測(cè)值進(jìn)行隨機(jī)采樣，對(duì)采集的樣本進(jìn)行逆轉(zhuǎn)換，得到校正預(yù)報(bào)結(jié)果。

優(yōu)選地，S2步驟中，采用伽馬分布函數(shù)分別對(duì)預(yù)報(bào)數(shù)據(jù)和觀測(cè)值進(jìn)行擬合，得到原始預(yù)報(bào)數(shù)據(jù)和觀測(cè)值的邊緣分布，其表達(dá)公式如下：

式中，F(xiàn)表示采集的K個(gè)預(yù)報(bào)數(shù)據(jù)的集合[f₁,f₂,...,f_K]，O表示采集的K個(gè)觀測(cè)值的集合[o₁,o₂,...,o_K]；G(·)表示伽馬分布函數(shù)，α_f、β_f表示通過擬合得到的預(yù)報(bào)數(shù)據(jù)的伽馬分布參數(shù)，α_o、β_o表示通過擬合得到的觀測(cè)值的伽馬分布參數(shù)。

優(yōu)選地，伽馬分布函數(shù)的參數(shù)α_f、β_f、α_o、β_o分別由極大似然估計(jì)法推求。

優(yōu)選地，S3步驟中，采用相應(yīng)伽馬分布的累積分布函數(shù)，計(jì)算每個(gè)預(yù)報(bào)數(shù)據(jù)f_i和觀測(cè)值o_i在對(duì)應(yīng)的伽馬分布中的累積分布函數(shù)值，其表達(dá)公式如下：