[发明专利]一种基于雷达降雨数据挖掘的雨量站观测网络设计方法

说明书

本发明公开了一种基于雷达降雨数据挖掘的雨量站观测网络设计方法，具体包括：(1)获取研究区域已有雷达降雨观测格网的降雨数据；(2)对降雨数据进行主成分分析，判断已有雷达降雨观测格网的冗余度是否符合要求；(3)通过迭代计算主成分方差，确定雨量站格网的最佳数量；(4)使用k‑means聚类分析，将雨量站格网分配到聚类子集中；(5)在每个聚类中均保留一个最佳网格位置，并设置网格中心为雨量站最佳位置，得到雨量站观测网络；(6)对雨量站观测网络进行判断是否符合要求。本发明所述方法能够利用最少的雨量站得到相对最多的降雨信息，为因雨量站过少导致降雨信息缺失以及雨量站过多造成资源浪费提供了解决办法。

技术领域

本发明涉及雨量站网络优化计技术，尤其涉及一种基于雷达降雨数据挖掘的雨量站观测网络设计方法。

背景技术

雨量站测得的降雨量是校准遥感降雨量和验证数值天气模型降雨产品的重要信息来源，然而由于维护和使用雨量站的成本过高，导致世界上许多地方的雨量站数量显著减少。因此，需要一种有效可行的雨量站网络设计方案，以最少的雨量站获取最大的降雨信息。

目前，世界上大多数地区仍然没有用于雨量站网络设计的标准程序。而传统的雨量站网络设计一般分为两种：偶然性方式和定量方式。偶然性的方式通常基于许多技术准则或考虑因素，包括确定雨量站数量及其位置，流域的性质，地形影响，排水方式，拟议地点的可及性和适用性，仪表的安装和维护成本，网络的应用目的和区域气候。此外，为了代表高变异性和间歇性的降雨模式，雨量站网络设计一般都十分密集。定量分析的雨量站网络设计通常基于分析可用的有限雨量站信息或复制成熟的网络。使用的方法有许多，比如空间相关性，变异函数分析和熵论；或使用统计技术，例如方差减少算法，状态空间随机模型和广义最小二乘法。但由于这些方法的性质和各个地区的条件差异，这些方法难以实施且经常需要主观调整参数，同时它们需要用所有可能的候选网络来探索最佳方法，成本较高。

发明内容

发明目的：针对以上问题，本发明提出一种基于雷达降雨数据挖掘的雨量站观测网络设计方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于雷达降雨数据挖掘的雨量站观测网络设计方法，具体方法如下：

(1)获取研究区域在一段时间内N个降雨事件的降雨数据；具体方法如下：

获取研究区域在一段时间内N个降雨事件的降雨数据；其中，每一个降雨事件均得到已有雷达降雨观测格网的p次观测降雨数据；每一个降雨事件的降雨数据均用数据集X＝[X₁,X₂,...,X_n]^T表示；其中，X_i＝[y_i1,y_i2,y_i3,...,y_ip]，X_i表示数据集X的第i行，即第i个雷达格网的降雨观测数据；p表示观测次数；y_ip表示第i个雷达格网的第p次观测数据值；n表示研究区域已有雷达降雨观测格网数。

(2)对步骤(1)所述N个降雨事件的降雨数据均进行主成分分析，由此得到每一个降雨事件所对应的主成分方差，进而确定已有雷达降雨观测格网的冗余度是否符合要求；若该冗余度符合要求，执行步骤(4)；否则，执行步骤(3)；

(3)分别对N个降雨事件迭代计算主成分方差，由此得到每一个降雨事件的最佳主成分个数，并在N个降雨事件的最佳主成分个数中选择主成分个数最多的值作为雨量站格网的最佳数量M；

(4)使用k-means聚类分析，将雨量站格网分配到聚类子集中；

(5)在每个聚类中均保留一个最佳网格位置，并设置网格中心为雨量站最佳位置，得到雨量站观测网络；