[发明专利]一种基于支持向量机算法的统计降尺度方法

说明书

技术领域

本发明涉及统计降尺度方法，具体的说是一种基于支持向量机算法的统计降尺度方法。

背景技术

降尺度方法就是将大尺度的预报因子经过一系列处理，降解到小尺度区域上，使之能够与水文模型输入的尺度匹配。降尺度方法主要分为动力降尺度与统计降尺度两种。相较于动力降尺度，统计降尺度方法的计算量较小，并且模型算法的构建相对简单，有众多形式较为灵活的模型可供选择。

现有统计降尺度方法存在以下不足：（1）回归精度不够，拟合能力不强，运算量不精简；（2）在少量样本下，传统的统计方法难以取得理想的回归效果。

发明内容

本发明的目的是针对现有技术的不足，研究一种以支持向量机（Support Vector Machine，SVM）作为回归核心、主成分分析法作为筛选大尺度预报因子的基于支持向量机算法的统计降尺度方法。

一种基于支持向量机算法的统计降尺度方法，包括如下步骤：

⑴对大尺度气象预报因子进行筛选降维，处理得出预报因子中代表性较强的因子；

⑵使用给定降雨阈值判断降雨状态，大于阈值为湿天，即为有雨状态，小于阈值为干天，即为无雨状态；处理实测降雨数据，使用支持向量机构建实测的降雨状态与当天气象因子的分类关系，对湿天降雨数据与使用主成分分析法筛选后的大尺度气象预报因子应用支持向量机建立统计关系；

⑶使用已有分类关系，对未来气候变化情景下的每日降雨状态应用支持向量机通过大尺度预报因子进行分类，判断干湿天；

⑷使用已有统计关系，对有雨日降雨通过预测大尺度预报因子进行拟合，得出未来气候变化情景下的模拟降雨资料；

⑸对降雨数据进行还原处理，得到预报的降雨序列。

所述步骤⑵中的处理数据是指利用自然对数函数进行处理，以减小阶数关系产生的误差影响。

所述步骤⑸中的处理是指利用自然指数函数进行处理，将序列数还原。

一种基于支持向量机算法的统计降尺度方法，包括如下步骤：

⑴对大尺度气象预报因子进行筛选降维，处理得出预报因子中代表性较强的因子；

⑵处理实测温度数据，对温度数据与使用主成分分析法筛选后的大尺度气象预报因子应用支持向量机建立统计关系；

⑶使用已有统计关系，通过预测大尺度预报因子进行拟合，得出未来气候变化情景下的模拟温度资料；

⑷对温度数据进行还原处理，得到预报的温度序列。

所述步骤⑵中的处理数据是指利用自然对数函数进行处理，以减小阶数关系产生的误差影响。

所述步骤⑷中的处理是指利用自然指数函数进行处理，将序列数还原。

由于降雨的特殊性，降雨降尺度较温度降尺度多一步判别有无雨日的步骤。所以其余气象要素的降尺度方式，一般皆采用温度降尺度的方法进行降尺度。

本发明基于支持向量机算法的统计降尺度方法的优点是：

1、本发明方法效果优于传统统计降尺度方法，尤其在进行温度降尺度时，优势明显；

2、本发明方法运算量较为简单，使用方便，擅于处理大量多批次数据，实用性较强。

3、本发明方法可以进行有雨天与无雨天的区分，具有更高的运算效率与拟合精度。

4、本发明方法可以对降雨进行随机强化，使对暴雨的拟合精度更好。

附图说明

图1为本发明方法中降雨降尺度的流程框图。

图2为本发明方法中温度降尺度的流程框图。

具体实施方式

本发明基于支持向量机（SVM）回归模型对大尺度气象因子与降水、温度等水文气候进行耦合，建立统计降尺度模型，在现有统计降尺度模型下，对统计降尺度模型进行算法优化，寻求更高的耦合效果与高效的运算过程。

下面通过实例，并结合附图，对本发明的技术方案做进一步具体说明。

步骤1，预报因子的选择：