[发明专利]一种基于PSR-PCA-SVR的自动气象站实时气温质量控制方法

摘要

本发明公开了一种基于PSR‑PCA‑SVR的自动气象站实时气温质量控制方法，首先对单站实时气温及定长历史气温序列进行采集；然后对采集的序列做基本的质量控制；接着进行PSR，并对重构得到的高维分量进行PCA，得到原时间序列在高维空间中的具有全局特征的无偏分量信号；最后，通过SVR构建时间序列采集信号的重构模型，得到去噪、降维后的气温重建值，并根据此重建值与实际观测值比较进行条件修正，完成对该时刻气温的质量控制。该方法在基本质量控制方法的基础上弥补了目前质量控制方法不能消除随机噪声、系统噪声、微气象噪声的缺点；在传统神经网络重建基础上融入主特征提取环节，增加了重建模型的泛化性能，提高了实时自动气象站观测数据的质量。

主权项

1.一种基于PSR‑PCA‑SVR的自动气象站实时气温质量控制方法，其特征在于，包括以下步骤：步骤1，采集被检站的被检时刻的观测气温以及该被检时刻前的n‑1个时刻的观测气温，该被检时刻及其前的n‑1个时刻的观测气温构成历史气温序列；步骤2，对历史气温序列进行基本质量控制，得到气温时间序列；其中，基本质量控制包括界限值检查、气候极值检查、内部一致性检查、时变性检查和空间一致性检查；步骤3，对步骤2得到的气温时间序列进行相空间重构，得到高维分量时间序列；步骤4，对步骤3中得到的高维分量时间序列进行主成分分析，得到主成分分量；步骤5，根据步骤4得到的主成分分量与步骤2中气温时间序列，将步骤4中的第i个主成分分量与气温时间序列中第i+1个气温进行映射，构成映射样本集，其中，i＝1,2,…,N，N为每个高维分量的长度；步骤6，利用步骤5构建的映射样本集中的前N‑1个映射样本进行SVR训练，得到气温重建模型；步骤7，在步骤6中的气温重建模型中输入第N个映射样本中的主成分分量，得到被检时刻气温的重建值；步骤8，将步骤7中被检时刻气温的重建值与步骤1中被检时刻的观测气温进行比较，若两者之差的绝对值小于等于条件修正阈值，则该被检时刻的观测气温通过质量检测；否则，认为该被检时刻的观测气温存疑，用该被检时刻气温的重建值修正该被检时刻的观测气温。