[发明专利]一种基于统计降尺度技术的短期气候预测方法

权利要求书

1.一种基于统计降尺度技术的短期气候预测方法，其特征在于：包括如下步骤，

S1、在建模的拟合时段内，对我国月平均降水和大尺度预测因子进行奇异值分解，通过这种奇异值分解计算，分别提取我国月平均降水和大尺度预测因子这两个变量的主模态典型耦合空间异性相关分布空间型和相应的主成分时间序列对；

S2、对月平均降水和大尺度预测因子进行连续月滚动建模；利用逐步回归分析的方法，获取适用于预测时间段的月平均降水和大尺度预测因子的自适应主模态典型耦合空间异性相关分布型以及主成分时间序列对；

S3、利用一元线性回归分析的方法，根据建模的拟合时段内的月平均降水和大尺度预测因子的自适应主成分时间序列对，得到预测时间段的月平均降水的线性回归后的自适应主成分时间序列对；之后，利用预测时间段的大尺度预测因子原始场以及建模时段的自适应主模态典型耦合空间异性相关分布型，投影得到预测时间段的预测因子的自适应主成分时间序列对；最后，利用预测时间段的月平均降水的自适应主成分时间序列对和建模时间段的月平均降水的自适应主模态典型耦合空间异性相关分布型，得到目标预报年的月平均降水结果。

2.根据权利要求1所述的基于统计降尺度技术的短期气候预测方法，其特征在于：步骤S1具体为，在建模的拟合时段t内，将使用经验正交分解方法滤波之后的月平均降水和大尺度预测因子利用奇异值分解方法进行分解，分别提取两变量的主模态典型耦合空间异性相关分布型和相应的主成分时间序列对，计算公式如下，

其中，m为所有的奇异值向量分解模态总数；x为空间点，t为时间；A(t,x)和B(t,x)分别表示月平均降水和大尺度预测因子；R_i(x)和U_i(x)分别表示月平均降水和大尺度预测因子的第i个模态的典型耦合空间异性相关分布型；K_i(t)和S_i(t)分别表示月平均降水和大尺度预测因子第i个奇异值向量分解模态的主成分时间序列对。

3.根据权利要求2所述的基于统计降尺度技术的短期气候预测方法，其特征在于：步骤S2具体为，结合步骤S1中获取的月平均降水和大尺度预测因子的主模态典型耦合空间异性相关分布型以及主成分时间序列对，进行连续月滚动建模，利用逐步回归分析的方法，获取适用于目标预报年的月平均降水和大尺度预测因子的自适应主模态典型耦合空间异性相关分布型以及主成分时间序列对，计算公式如下，

R_i(t+Δt,x)＝α×R_i(t,x)

U_i(t+Δt,x)＝β×U_i(t,x)

K_i(t+Δt)＝A(t,x)×R_i(t+Δt,x)

S_i(t+Δt)＝B(t,x)×U_i(t+Δt,x)

其中，α和β分别为月平均降水和大尺度预测因子耦合变化空间型的逐步回归自适应系数；R_i(t+Δt,x)和U_i(t+Δt,x)分别表示月平均降水和大尺度预测因子的第i个模态的自适应主模态典型耦合空间异性相关分布型；K_i(t+Δt)和S_i(t+Δt)分别表示月平均降水和大尺度预测因子第i个自适应的主成分时间序列对；t+Δt为当前预报时间，t为拟合时间。

4.根据权利要求3所述的基于统计降尺度技术的短期气候预测方法，其特征在于：步骤S3具体为，根据步骤S2中获取的适用于预测目标月平均降水的月平均降水和大尺度预测因子的自适应主模态典型耦合空间异性相关分布型以及主成分时间序列对，利用一元线性回归关系，获取得到预测时间段的月平均降水的自适应主成分时间序列对；计算公式如下，

其中，S_i(t)为月平均降水的主成分时间序列对；为利用S_i(t)线性回归得到的月平均降水的自适应主成分时间序列对；β_i为一元线性回归系数；ε_i为残差；i＝1,2,…,n，n为保留的奇异值向量分解模态数；

利用预测时间段的月平均降水的自适应主成分时间序列对和建模时间段的月平均降水的自适应主模态典型耦合空间异性相关分布型，得到目标预报年的月平均降水结果；计算公式为，

其中，A(t+Δt,x)为目标预报年的月平均降水；为预测时间段的月平均降水的自适应主成分时间序列对。