[发明专利]一种基于逐步数据剔除的海洋白冠覆盖率算法

说明书

技术领域

本发明涉及一种基于数据质量控制的算法，具体说是一种基于逐步数据剔除的白冠覆盖率算法。

背景技术

海洋白冠作为波浪破碎的重要表现，是海气界面普遍存在的现象，长期以来一直引起人们的普遍关注。全面理解它的生成机制和消衰过程以及准确参数化白冠覆盖率对于海气相互作用、海洋遥感、海浪理论、海洋工程等各方面的理论和应用研究都有重要意义。白冠覆盖率长期以来都是大气、海洋学家们关注的热点问题之一，观测证据表明白冠覆盖率在风速和一系列其它的环境和气象因素作用下有着很强的时空变化。

海表面在风的连续作用下产生波浪，波浪逐渐成长，波动的非线性增强，当风速达到某一临界值时，波浪发生破碎并在波峰处产生大量的水沫和水滴，在波动水体内波和表面产生大量的气泡。这种在波面上清晰可见的白色水体就是所谓的海洋白冠(又称白浪、白泡云)，它是空气和海水湍混合的结果。

海浪白冠由波峰处直接生成的白冠泡沫、次表层的淹没水泡、被卷入水中的气泡上升到海表面主峰后形成的泡沫斑迹和风吹滞留海面形成的条状浪沫羽共同组成。直观上，海表面白冠覆盖区域所占计算海区总面积的比例就是所定义的白冠覆盖率。根据前人的观测统计，全球平均值约为1-4％。多种环境和气象要素的共同作用使得海表面白冠覆盖率具有高度可变性和难预测性。

目前主流的白冠覆盖率计算模型基本都是和风速建立关系表达式，但是目前现有的基于不同数据建立的关系表达式差别较大，造成这种较大差别的原因主要有两个方面，第一是由于很多模型所基于的观测数据样本太少，第二是相关原始观测数据的观测误差，二者都可以导致最终得到的白冠覆盖率模型差别较大，如何建立一个可信、稳健的白冠覆盖率模型得到不同海情下的白冠覆盖率是一个亟待解决的问题。

发明内容

针对现有模型的不足，本发明的目的是提供一种基于观测数据质量控制的白冠覆盖率算法。该算法可以在利用尽可能多的有效观测数据的同时，建立一个可信而稳健的白冠覆盖率模型。

本发明解决其技术问题所采用的技术方案是：

基于逐步数据剔除的海洋白冠覆盖率算法，包括以下步骤：

1)对不同数据源的海洋白冠覆盖率观测数据整合成数据集；

2)将数据集代入白冠覆盖率模型进行数据拟合得到系数的值；

3)将系数的值代入白冠覆盖率模型；

如果白冠覆盖率模型中统计参数变化未达到设定值，则通过白冠覆盖率模型与海洋白冠覆盖率观测数据进行比较，得到白冠覆盖率模型计算所得白冠覆盖率与观测的海洋白冠覆盖率的偏差；然后在数据集中剔除偏差值最大的观测数据点并重新建立数据集；返回步骤2)；

如果白冠覆盖率模型中统计参数变化达到设定值，则确定白冠覆盖率模型中的系数，进而得到海洋白冠覆盖率模型。

所述白冠覆盖率计算模型为W为白冠覆盖率，U₁₀表示10m高度处风速，a和b为系数。

所述统计参数为和方差或均方根或确定系数。

本发明具有以下有益效果及优点：

1.本发明在原始数据的使用中，并不是对于原始数据的简单合并，而是考虑到数据的质量而有选择性的剔除，从而降低了计算误差。

2.本发明中原始数据的剔除，并不是直观的选择，而是根据数据同所得到的白冠覆盖率模型计算的偏差来进行判断。这样能够避免主观因素干扰。

3.本发明确定白冠覆盖率的最终可用模型的系数，或者剔除原始数据样本的个数，是依据模型统计参数随剔除数据量的变化来决定，而不是在先前指定。这样能够在剔除尽量少的数据点的同时，得到一个相对可靠、稳健的白冠覆盖率模型。

附图说明

图1是本算法流程图；

图2是拟合系数a随迭代数目的变化趋势图；

图3是拟合系数b随迭代数目的变化趋势图；

图4是和方差SSE随迭代数目的变化趋势图。

图5是均方差RMSE随迭代数目的变化趋势图。

图6是确定系数R-Square随迭代数目的变化趋势图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明。