[發(fā)明專(zhuān)利]一種結(jié)合支持向量機(jī)和交互式因子選取的降水降尺度方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110053228.7
• 申請(qǐng)日: 2021-01-15
• 公開(kāi)（公告）號(hào): CN112749510B
• 公開(kāi)（公告）日: 2022-03-18
• 發(fā)明（設(shè)計(jì)）人: 李煜;曾新民
• 申請(qǐng)（專(zhuān)利權(quán)）人: 河海大學(xué)
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27;G06K9/62;G06N20/10
• 代理公司: 南京蘇高專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 成立珍

1.一種結(jié)合支持向量機(jī)和交互式因子選取的降水降尺度方法，其特征在于，包括以下步驟：

1)用偏相關(guān)系數(shù)法對(duì)大尺度氣象因子進(jìn)行初步篩選，得到m個(gè)初步選定的因子；

2)將降水?dāng)?shù)據(jù)分為率定期和檢驗(yàn)期，分別用相關(guān)性最大的前1，……，k個(gè)因子，k≤m構(gòu)建率定期的氣象因子與降水狀態(tài)的k個(gè)SVM模型，記為Occ_SVM_k；

3)使用Occ_SVM_k對(duì)率定期狀態(tài)進(jìn)行分類(lèi)，并根據(jù)率定期狀態(tài)分類(lèi)結(jié)果得到關(guān)于最優(yōu)因子組合的選擇結(jié)果，并將選擇結(jié)果返回到計(jì)算機(jī)；

4)利用步驟3)中選擇的因子，以及對(duì)應(yīng)的降水狀態(tài)SVM模型，模擬檢驗(yàn)期降水狀態(tài)；

5)利用步驟3)中選擇的因子，構(gòu)建月份或季節(jié)分組與氣象因子的SVM模型，記為group_SVM；

6)選定降水量分布函數(shù)，按月份或季節(jié)計(jì)算函數(shù)所需的參數(shù)；

7)利用group_SVM和步驟4)中得到的檢驗(yàn)期降水狀態(tài)，對(duì)檢驗(yàn)期有雨日進(jìn)行月份或季節(jié)分組；

8)按照檢驗(yàn)期分組結(jié)果，根據(jù)選擇的降水量分布函數(shù)，引用對(duì)應(yīng)分組在率定期的參數(shù)，模擬各組數(shù)據(jù)對(duì)應(yīng)的降水量；

所述的步驟1)具體為用偏相關(guān)系數(shù)法對(duì)大尺度氣象因子進(jìn)行初步篩選，包括以下步驟：

1.1)在計(jì)算前，首先將降水量和氣象因子處理成在[0，1]范圍內(nèi)的數(shù)值序列：

其中M^*為處理后的序列，M為處理前的序列，max(M)為因子序列最大值，min(M)為因子序列最小值；

1.2)處理后的降水量序列記為Y，氣象因子序列記為X₁～X_n；采用殘差法計(jì)算降水量與氣象因子的偏相關(guān)系數(shù)：記利用最小二乘法得到降水的回歸方程為：

Y^*＝b′₀+b′₁X₁+b′₂X₂+…+b′_nX_n (II)

其中Y^*是回歸方程得到的降水，b′₀，......，b′_n為回歸方程的待定系數(shù)；

而Y關(guān)于X₁～X_n的殘差為：

L_y·123...n＝Y(jié)-b′₁X₁-b′₂X₂-…-b′_nX_n (III)

其中下角標(biāo)y表示降水序列，1～n分別表示n個(gè)因子序列；

則降水量Y與氣象因子X(jué)_i在其余因子控制下的偏相關(guān)系數(shù)為：

即等于殘差L_{y·1...(i-1)(i+1)...n}與L_{i·1...(i-1)(i+1)...n}的相關(guān)系數(shù)；ρ_{yi·1...i-1，i+1...n}表示Y與因子X(jué)_i在其余因子控制下的偏相關(guān)系數(shù)；

1.3)將降水?dāng)?shù)據(jù)分為率定期和檢驗(yàn)期，在i＝1，2...，n時(shí)，依次計(jì)算率定期的降水量Y與氣象因子X(jué)_i，在其余因子的控制下的偏相關(guān)系數(shù)；

所述的步驟2)具體為：判斷在初步選擇的因子中，使用多少個(gè)因子模擬降水狀態(tài)，采用如下做法：

2.1)使用者根據(jù)偏相關(guān)系數(shù)大小，初步判斷構(gòu)建降水狀態(tài)SVM模型的最大因子個(gè)數(shù)m，0mn；

2.2)分別用偏相關(guān)系數(shù)絕對(duì)值最大的前1，……，k個(gè)因子，k≤m，用Matlab8.5函數(shù)庫(kù)中的fitcsvm函數(shù)進(jìn)行有雨和無(wú)雨兩組的低維支持向量機(jī)訓(xùn)練，核函數(shù)選擇RBF，構(gòu)建率定期的氣象因子與降水狀態(tài)的k個(gè)SVM模型，記為Occ_SVM_k；

所述的步驟3)具體為用matlab8.5函數(shù)庫(kù)中的predict函數(shù)，分別使用Occ_SVM_k對(duì)率定期降水狀態(tài)進(jìn)行分類(lèi)，并根據(jù)分類(lèi)結(jié)果與實(shí)際值的對(duì)比，計(jì)算四種評(píng)價(jià)指標(biāo)：

其中NA、NB、NC、ND的含義分別為：觀測(cè)值為有雨時(shí)模擬值也有雨、觀測(cè)值為無(wú)雨時(shí)模擬值為有雨、觀測(cè)值為有雨時(shí)模擬值為無(wú)雨、觀測(cè)值為無(wú)雨時(shí)模擬值也為無(wú)雨的次數(shù)；

根據(jù)指標(biāo)二次選定最優(yōu)因子組合，并將選擇結(jié)果返回到計(jì)算機(jī)；

所述的步驟4)選定了最優(yōu)因子組合，則利用檢驗(yàn)期的因子以及訓(xùn)練好的Occ_SVM_k，調(diào)用matlab8.5函數(shù)庫(kù)中的predict函數(shù)生成檢驗(yàn)期降水狀態(tài)。