CN112051627A - 一种数值模式多量级降水预报值的订正方法、装置和介质 - Google Patents
一种数值模式多量级降水预报值的订正方法、装置和介质 Download PDFInfo
- Publication number
- CN112051627A CN112051627A CN202010847121.5A CN202010847121A CN112051627A CN 112051627 A CN112051627 A CN 112051627A CN 202010847121 A CN202010847121 A CN 202010847121A CN 112051627 A CN112051627 A CN 112051627A
- Authority
- CN
- China
- Prior art keywords
- precipitation
- value
- forecast
- magnitude
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001556 precipitation Methods 0.000 claims abstract description 612
- 238000012937 correction Methods 0.000 claims abstract description 229
- 238000012549 training Methods 0.000 claims abstract description 117
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 13
- 238000011282 treatment Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数值模式多量级降水预报值的订正方法,通过预报日对应的训练期内的降水预报值、实际降水值,以及预先设置的降水量级标准,计算对应的降水订正值并进行TS评分,以确定得到最优的降水订正阈值序列,用于对预报日的降水预报值进行订正。本发明还提供了相应的降水预报值的订正装置。采用本发明实施例,通过计算预报日对应的训练期内各降水量级下的降水订正预报评分,以确定用于对该预报日的降水预报值进行订正的最优降水订正阈值序列,从而实现对降水预报值的逐日订正,有效地减少各降水量级的降水预报误差,提高降水预报的准确性。
Description
技术领域
本发明涉及气象预测技术领域,尤其涉及一种数值模式多量级降水预报值的订正方法、装置和介质。
背景技术
随着数值天气预报的不断发展,数值预报产品在预报员的业务预报中变得越来越重要。数值模式预报与订正是天气预报中主流的方法之一。数值模式预报主要利用大气动力学和气象学的知识来生成对天气指标的预测。然而,由于初始场及数值模式本身具有的不确定性,数值预报产品也不可避免地存在误差。不同模式在降水预报的***性误差方面表现各异,如欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)等机构的全球模式具有强降水预报偏漏报的情况,区域模式如中国气象局武汉暴雨研究的中尺度模式(AREM)总体较实况偏强,这些反映了模式对不同降水强度预报的误差非一致性。
因此,通常会使用一些统计后处理技术对数值预报产品进行偏差订正,以得到预报技巧更高的产品。或者依靠预报员的主观经验,根据预测结果依靠专家经验来手动生成本地的预测订正结果,作为最后的天气预报结果。然而,在实施本发明过程中,发明人发现现有技术至少存在如下问题:现有技术的降水预报值的订正方法无法完全消除预报误差,无法得到较为准确的降水订正结果。
发明内容
本发明实施例的目的是提供一种数值模式多量级降水预报值的订正方法、装置和介质,其通过计算训练期内各降水量级下的降水订正预报评分,以确定最优降水订正阈值序列,从而实现对降水预报值的逐日订正,有效地减少各降水量级的降水预报误差,提高降水预报的准确性。
为实现上述目的,本发明实施例提供了一种数值模式多量级降水预报值的订正方法,包括:
确定预报日对应的训练期,并获取每一预报站点对训练期内每一训练日的降水预报值,以及每一训练日的实际降水值;
根据训练期内的所有降水预报值,计算在每一降水量级下,经过不同降水订正阈值处理后的降水订正值;其中,预先设定N个降水量级,以及每一降水量级对应的降水阈值,N>1;
针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分;并将TS评分结果最高时所对应的降水订正阈值作为所述降水量级的最优降水订正阈值,以此得到每一降水量级对应的最优降水订正阈值,作为最优降水订正阈值序列;
根据所述最优降水订正阈值序列,对所述预报日的降水预报值进行订正,得到所述预报日的降水订正值,作为所述预报日的最终降水预报结果。
作为上述方案的改进,所述根据训练期内的所有降水预报值,计算每一降水量级下经过不同降水订正阈值处理后的降水订正值,具体包括:
预先设定每一降水量级k对应的降水订正阈值Fk的n个候选值,作为所述降水量级k对应的降水订正阈值候选值序列{Fk1,Fk2,…,Fkn};其中,k表示每一降水量级的编号,1≤k≤N;
针对同一降水量级k,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,计算得到不同降水订正阈值处理后所有所述降水预报值对应的降水订正值。
作为上述方案的改进,所述针对同一降水量级k,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,计算得到不同降水订正阈值处理后所有所述降水预报值对应的降水订正值,具体包括:
当所述降水量级k=1时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第一计算公式,计算所有所述降水预报值对应的降水订正值:
当所述降水量级1<k<N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第二计算公式,计算所有所述降水预报值对应的降水订正值:
当所述降水量级k=N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第三计算公式,计算所有所述降水预报值对应的降水订正值:
其中,y为降水订正值,x为降水预报值,Fk为降水量级k对应的降水订正阈值,其对应的降水订正阈值候选值序列为{Fk1,Fk2,…,Fkn};Ok为每一降水量级k对应的降水阈值。
作为上述方案的改进,所述针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分,具体包括:
针对同一降水量级k,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,通过以下TS评分公式,进行预报TS评分:
其中,TS表示预报TS评分结果;NA表示在所述训练期内任一训练日的任一降水订正值和该训练日的实际降水值均达到该降水量级k对应的降水阈值Ok的次数;NB表示在所述训练期内任一训练日的任一降水订正值达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值未达到该降水量级k对应的降水阈值Ok的次数;NC表示在所述训练期内任一训练日的任一降水订正值未达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值达到该降水量级k对应的降水阈值Ok的次数。
作为上述方案的改进,所述根据所述最优降水订正阈值序列,对所述预报日的降水预报值进行订正,得到所述预报日的降水订正值,作为所述预报日的最终降水预报结果,具体为:
根据所述最优降水订正阈值序列{F1,F2,…,FN}和所述预报日的降水预报值x′,通过以下降水订正公式,计算得到所述预报日的降水订正值y′:
其中,Ok为每一降水量级k对应的降水阈值。
作为上述方案的改进,所述确定预报日对应的训练期,具体为:
获取所述预报日之前的20天,以及所述预报日在上一年同一日之后的20天,作为所述预报日的训练期。
作为上述方案的改进,所述预先设定k个降水量级,以及每一降水量级对应的降水阈值,具体为:
预先设定10个降水量级,以及每一降水量级对应的降水阈值Ok;其中,每一降水量级对应的降水阈值分别为:0.1mm,1mm,5mm,10mm,25mm,35mm,50mm,75mm,100mm,150mm。
本发明实施例还提供了一种数值模式多量级降水预报值的订正装置,包括:
降水数据获取模块,用于确定预报日对应的训练期,并获取每一预报站点对训练期内每一训练日的降水预报值,以及每一训练日的实际降水值;
降水订正值计算模块,用于根据训练期内的所有降水预报值,计算在每一降水量级下,经过不同降水订正阈值处理后的降水订正值;其中,预先设定N个降水量级,以及每一降水量级对应的降水阈值,N>1;
最优降水订正阈值计算模块,用于针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分;并将TS评分最高时所对应的降水订正阈值作为所述降水量级的最优降水订正阈值,以此得到每一降水量级对应的最优降水订正阈值,作为最优降水订正阈值序列;
降水预报结果获得模块,用于根据所述最优降水订正阈值序列,对所述预报日的降水预报值进行订正,得到所述预报日的降水订正值,作为所述预报日的最终降水预报结果。
本发明实施例还提供了一种数值模式多量级降水预报值的订正装置,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的数值模式多量级降水预报值的订正方法。
本发明实施例还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的数值模式多量级降水预报值的订正方法。
与现有技术相比,本发明公开的一种数值模式多量级降水预报值的订正方法、装置和介质,通过预报日对应的训练期内的降水预报值、实际降水值,以及预先设置的降水量级标准,计算对应的降水订正值并进行TS评分,以确定得到最优的降水订正阈值序列,用于对预报日的降水预报值进行订正。本发明实施例采用1年期准对称滑动训练期进行最优降水订正阈值的统计分析,能更好地自适应预报日前后相似的季节背景,并保证了参与训练数据的时效性。且本发明采用历史的降水预报值和实际降水值作为训练数据,能够通过数值天气预报模式直接获取,适用于格点数据或站点数据的获取,训练数据简单易得。通过计算预报日对应的训练期内各降水量级下的降水订正预报评分,以确定用于对该预报日的降水预报值进行订正的最优降水订正阈值序列,从而实现对降水预报值的逐日订正,有效地减少不同降水量级下预报日的降水预报误差,提高降水预报的准确性。
附图说明
图1是本发明实施例一提供的一种数值模式多量级降水预报值的订正方法的步骤流程示意图;
图2是本发明实施例二提供的一种数值模式多量级降水预报值的订正装置的结构示意图;
图3是本发明实施例三提供的另一种数值模式多量级降水预报值的订正装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明实施例一提供的一种数值模式多量级降水预报值的订正方法的步骤流程示意图。本发明实施例提供的一种数值模式多量级降水预报值的订正方法,通过步骤S1至S4执行:
S1、确定预报日对应的训练期,并获取每一预报站点对训练期内每一训练日的降水预报值,以及每一训练日的实际降水值。
在本发明实施例中,为了对预报日的降水预报值进行订正,需要获取历史日期作为所述预报日的训练期,根据训练期内每一训练日的降水预报值和实际降水值进行学习训练,以实现对预报日的降水预报值的订正。
作为优选的实施方案,为了更好地自适应预报日前后相似的季节背景,并保证参与训练数据的时效性,采用一年期准对称滑动训练期的方式进行预报日的降水预报值的订正。具体地,获取所述预报日之前的20天,以及所述预报日在上一年同一日之后的20天,作为所述预报日的训练期。
需要说明的是,每一天都有若干个站点对当天的降水量进行预测,因此,同一训练日的实际降水值z只有一个,而同一训练日中降水预报值x则存在多个。作为举例,所述预报日对应的训练期内有40个训练日,每一天有100个站点进行降水量预测,则所述训练期的降水量预报值有4000个(数值可重复),实际降水值有40个。
可以理解地,上述所涉及的场景和数值均仅作为举例,并不构成对本发明的具体限定。在实际应用中,可以根据实际的训练期时长和预报站点数量,得到相应的降水量预报值和实际降水值,均不影响本发明取得的有益效果。
S2、根据训练期内的所有降水预报值,计算在每一降水量级下,经过不同降水订正阈值处理后的降水订正值;其中,预先设定N个降水量级,以及每一降水量级对应的降水阈值,N>1。
在本发明实施例中,预先设定N个降水量级k,以及每一降水量级k对应的降水阈值Ok,其中,N>1。降水量级k表示的是对一天(24小时)内的降水量所进行的等级划分,每一降水量级k设置有对应的降水阈值Ok。作为举例,可以根据现有的划分标准,对降水量级的划分为:小雨:降雨量小于10mm;中雨:降雨量10~25mm;大雨:降雨量25~50mm;暴雨:降雨量50~100mm;大暴雨:降雨量100~250mm。
作为优选的实施方式,为了对预报日的降水预报值进行更加精准的订正,对降水量级和对应的降水阈值进行更精细的划分。具体地,预先设定10个降水量级k,也即N=10,并将每一降水量级k对应的降水阈值Ok分别设置为:0.1mm,1mm,5mm,10mm,25mm,35mm,50mm,75mm,100mm,150mm。
可以理解地,在本发明实施例中,可以根据计算资源占用情况灵活设置需订正的降水量级的数目N,同时也可对各量级降水阈值进行自适应订正,以改善模式降水预报性能,均不影响本发明取得的有益效果。
进一步地,所述根据训练期内的所有降水预报值,计算每一降水量级下经过不同降水订正阈值处理后的降水订正值,具体包括步骤S21和S22:
S21、预先设定每一降水量级k对应的降水订正阈值Fk的n个候选值,作为所述降水量级k对应的降水订正阈值候选值序列{Fk1,Fk2,…,Fkn};其中,k表示每一降水量级的编号,1≤k≤N。
在本发明实施例中,预先为每一降水量级k设置对应的降水订正阈值Fk的n个候选值,以便于后续过程中从每一降水订正阈值的候选值中确定出最优的降水订正阈值,作为对应的降水量级的最优降水订正阈值。
优选地,为每一降水订正阈值k设置10个候选值,则得到每一降水量级k对应的降水订正阈值候选值序列{Fk1,Fk2,…,Fk10}。作为举例,对于降水量级k=1,对应的降水订正阈值F1的候选值序列为{F1,1,F1,2,…,F1,10},对于降水量级k=2,对应的降水订正阈值F2的候选值序列为{F2,1,F2,2,…,F2,10},以此类推。
需要说明的是,降水量级k的等级越高,对应的降水量订正阈值Fk的数值也越大。因此,在设置降水量阈值候选值序列的过程中,应保证Fk对应的降水量阈值候选值序列中的每一候选值,均大于Fk-1对应的降水量阈值候选值序列中的每一候选值。
在一种实施方式下,以序列长度为降水量2mm,每一候选值之间的数值间隔为0.1mm进行降水量阈值候选值序列的设置。作为举例,将F1对应的降水量阈值候选值序列设置为{0.1mm,0.2mm,0.3mm,…,2mm},将F2对应的降水量阈值候选值序列设置为{2.1mm,2.2mm,2.3mm,…,4mm},以此类推。
可以理解地,上述数值仅作为举例,不构成对本方案的具体限定。
S22、针对同一降水量级k,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,计算得到不同降水订正阈值处理后所有所述降水预报值对应的降水订正值。
在本发明实施例中,通过预设的降水量阈值候选值序列对训练期中的每一降水预报值x进行订正,得到降水订正值y。
优选地,步骤S22具体包括步骤S221至S223:
S221、当所述降水量级k=1时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第一计算公式,计算所有所述降水预报值对应的降水订正值:
S222、当所述降水量级1<k<N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第二计算公式,计算所有所述降水预报值对应的降水订正值:
S223、当所述降水量级k=N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第三计算公式,计算所有所述降水预报值对应的降水订正值:
其中,y为降水订正值,x为降水预报值,Fk为降水量级k对应的降水订正阈值,其对应的降水订正阈值候选值序列为{Fk1,Fk2,…,Fkn};Ok为每一降水量级k对应的降水阈值。
S3、针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分;并将TS评分结果最高时所对应的降水订正阈值作为所述降水量级的最优降水订正阈值,以此得到每一降水量级对应的最优降水订正阈值,作为最优降水订正阈值序列。
根据降水订正值y、实际降水值z和降水量阈值Ok进行TS评分,以确定降水量阈值候选值序列的10个备选值中最优的降水量订正阈值Fk,从而在后续操作过程中,根据最优降水量订正阈值Fk实现对预报日的降水预报值进行订正。
具体地,针对同一降水量级k,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,通过以下TS评分公式,进行预报TS评分:
其中,TS表示预报TS评分结果;NA表示所述训练期内降水预报正确次数;NB表示所述训练期内降水空报次数;NC表示所述训练期内降水漏报次数。也即NA表示在所述训练期内任一训练日的任一降水订正值和该训练日的实际降水值均达到该降水量级k对应的降水阈值Ok的次数;NB表示在所述训练期内任一训练日的任一降水订正值达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值未达到该降水量级k对应的降水阈值Ok的次数;NC表示在所述训练期内任一训练日的任一降水订正值未达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值达到该降水量级k对应的降水阈值Ok的次数。
在本发明实施例中,采用迭代订正处理的方式确定每一降水量级k对应的降水量订正阈值Fk。在一种实施方式下,以设置N=10个降水量级为例。
首先,对于降水量级k=1,通过所述第一计算公式来确定降水量订正阈值F1的值。以预报日对应的训练期内有40个训练日,每一天有100个站点进行降水量预测,则所述训练期的降水量预报值有4000个,实际降水值有40个作为举例说明。根据第一计算公式,将训练期内的4000个降水量预报值x与降水量订正阈值F1对应的候选值序列为{F1,1,F1,2,…,F1,10}中的第一个候选值F1,1进行比较,当降水量预报值x<F1,1时,令该降水量预报值x对应的降水量订正值y=0;当降水量预报值x≥F1,1时,令该降水量预报值x对应的降水量订正值y保持不变,即y=x,得到第一组经过消空阈值处理后的降水订正值的数据。将第一组降水订正值数据进行预报TS评分。当存在任一降水订正值y和该训练日的实际降水值z均达到对应的降水阈值O1,也即存在y≥O1且z≥O1时,NA的数值加1;当存在任一降水订正值y达到对应的降水阈值O1,且该训练日的实际降水值z未达到对应的降水阈值O1,也即存在y≥O1且z<O1时,NB的数值加1;当存在任一降水订正值y未达到对应的降水阈值O1,且该训练日的实际降水值z达到对应的降水阈值O1,也即存在y<O1且z≥O1时,NC的数值加1。在确定NA、NB和NC的数值之后,根据所述TS评分公式,计算得到降水量订正阈值候选值F1,1的TS评分结果。
进一步,将训练期内的4000个降水量预报值x与降水量订正阈值F1对应的候选值序列为{F1,1,F1,2,…,F1,10}中的第二个候选值F1,2进行比较,当降水量预报值x<F1,2时,令该降水量预报值x对应的降水量订正值y=0。当降水量预报值x≥F1,2时,令该降水量预报值x对应的降水量订正值y保持不变,即y=x,得到第二组经过消空阈值处理后的降水预报值的数据。将第二组降水订正值数据进行预报TS评分,计算得到降水量订正阈值候选值F1,2的TS评分结果。
以此类推,从而得到同一降水量级k=1下,不同降水量订正阈值候选值处理后的10组降水预报值的数据,及其对应的10个TS评分结果。TS评分结果越高,也即TS值越接近于1,表示降水预报效果越好。将TS评分结果最高时所对应的降水订正阈值候选值,作为所述降水量级的最优降水订正阈值F1。
接着,对于降水量级k=2,通过所述第二计算公式,以及计算得到的最优降水订正阈值F1,来确定降水量订正阈值F2的值。将训练期内的4000个降水量预报值x与降水量订正阈值F2对应的候选值序列为{F2,1,F2,2,…,F2,10}中的第一个候选值F2,1进行比较,当降水量预报值满足F1≤x<F2,1时,令该降水量预报值x对应的降水量订正值当降水量预报值x之F2,1时,令该降水量预报值x对应的降水量订正值y保持不变,即y=x,得到第一组降水订正值的数据。将第一组降水订正值数据进行预报TS评分,计算得到降水量订正阈值候选值F2,1的TS评分结果。以此类推,从而最终确定降水量级k=2时,对应的最优降水订正阈值F2。
最优降水订正阈值F3~F9的确定方法与F2类似,在此不做赘述。
接着,对于降水量级k=10,通过所述第三计算公式来确定降水量订正阈值F10的值。将训练期内的4000个降水量预报值x与降水量订正阈值F10对应的候选值序列为{F10,1,F10,2,…,F10,10}中的第一个候选值F10,1进行比较,当降水量预报值满足x≥F10,1时,令该降水量预报值x对应的降水量订正值当降水量预报值x<F10,1时,令该降水量预报值x对应的降水量订正值少保持不变,即y=x,得到第一组降水订正值的数据。将第一组降水订正值数据进行预报TS评分,计算得到降水量订正阈值候选值F10,1的TS评分结果。以此类推,从而最终确定降水量级k=10时,对应的最优降水订正阈值F10。
以此类推,可以得到每一降水量级k对应的最优降水订正阈值Fk,作为最优降水订正阈值序列{F1,F2,…,F10}。
S4、根据所述最优降水订正阈值序列,对所述预报日的降水预报值进行订正,得到所述预报日的降水订正值,作为所述预报日的最终降水预报结果。
优选地,根据所述最优降水订正阈值序列{F1,F2,…,FN}和所述预报日的降水预报值x′,通过以下降水订正公式,计算得到所述预报日的降水订正值y′:
在本发明实施例中,根据预报日的降水预报值x′,以及最优降水订正阈值序列{F1,F2,…,FN},确定相应的降水订正值y′的计算公式,进而计算得到所述预报日的降水订正值y′,作为预报日的最终降水预报结果。
本发明实施例一提供了一种数值模式多量级降水预报值的订正方法,通过预报日对应的训练期内的降水预报值、实际降水值,以及预先设置的降水量级标准,计算对应的降水订正值并进行TS评分,以确定得到最优的降水订正阈值序列,用于对预报日的降水预报值进行订正。本发明实施例采用1年期准对称滑动训练期进行最优降水订正阈值的统计分析,能更好地自适应预报日前后相似的季节背景,并保证了参与训练数据的时效性。且本发明采用历史的降水预报值和实际降水值作为训练数据,能够通过数值天气预报模式直接获取,适用于格点数据或站点数据的获取,训练数据简单易得。通过计算预报日对应的训练期内各降水量级下的降水订正预报评分,以确定用于对该预报日的降水预报值进行订正的最优降水订正阈值序列,从而实现对降水预报值的逐日订正,有效地减少不同降水量级下预报日的降水预报误差,提高降水预报的准确性。
参见图2,是本发明实施例二提供的一种数值模式多量级降水预报值的订正装置的结构示意图。本发明实施例二提供的一种数值模式多量级降水预报值的订正装置20,包括:降水数据获取模块21、降水订正值计算模块22、最优降水订正阈值计算模块23和降水预报结果获得模块24;其中,
所述降水数据获取模块21,用于确定预报日对应的训练期,并获取每一预报站点对训练期内每一训练日的降水预报值,以及每一训练日的实际降水值。
所述降水订正值计算模块22,用于根据训练期内的所有降水预报值,计算在每一降水量级下,经过不同降水订正阈值处理后的降水订正值;其中,预先设定N个降水量级,以及每一降水量级对应的降水阈值,N>1。
所述最优降水订正阈值计算模块23,用于针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分;并将TS评分最高时所对应的降水订正阈值作为所述降水量级的最优降水订正阈值,以此得到每一降水量级对应的最优降水订正阈值,作为最优降水订正阈值序列。
所述降水预报结果获得模块24,用于根据所述最优降水订正阈值序列,对所述预报日的降水预报值进行订正,得到所述预报日的降水订正值,作为所述预报日的最终降水预报结果。
作为优选的实施方式,所述降水订正值计算模块22,具体用于:
预先设定每一降水量级k对应的降水订正阈值Fk的n个候选值,作为所述降水量级k对应的降水订正阈值候选值序列{Fk1,Fk2,…,Fkn};其中,k表示每一降水量级的编号,1≤k≤N。
针对同一降水量级k,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,计算得到不同降水订正阈值处理后所有所述降水预报值对应的降水订正值。
作为优选的实施方式,所述针对同一降水量级k,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,计算得到不同降水订正阈值处理后所有所述降水预报值对应的降水订正值,具体包括:
当所述降水量级k=1时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第一计算公式,计算所有所述降水预报值对应的降水订正值:
当所述降水量级1<k<N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第二计算公式,计算所有所述降水预报值对应的降水订正值:
当所述降水量级k=N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第三计算公式,计算所有所述降水预报值对应的降水订正值:
其中,y为降水订正值,x为降水预报值,Fk为降水量级k对应的降水订正阈值,其对应的降水订正阈值候选值序列为{Fk1,Fk2,…,Fkn};Ok为每一降水量级k对应的降水阈值。
作为优选是实施方式,所述针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分,具体包括:
针对同一降水量级k,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,通过以下TS评分公式,进行预报TS评分:
其中,TS表示预报TS评分结果;NA表示在所述训练期内任一训练日的任一降水订正值和该训练日的实际降水值均达到该降水量级k对应的降水阈值Ok的次数;NB表示在所述训练期内任一训练日的任一降水订正值达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值未达到该降水量级k对应的降水阈值Ok的次数;NC表示在所述训练期内任一训练日的任一降水订正值未达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值达到该降水量级k对应的降水阈值Ok的次数。
作为优选的实施方式,所述降水预报结果获得模块24,具体用于:
根据所述最优降水订正阈值序列{F1,F2,…,FN}和所述预报日的降水预报值x′,通过以下降水订正公式,计算得到所述预报日的降水订正值y′:
其中,Ok为每一降水量级k对应的降水阈值。
需要说明的是,本发明实施例提供的一种XXX装置用于执行上述实施例的一种XXX方法的所有流程步骤,两者的工作原理和有益效果一一对应,因而不再赘述。
本发明实施例二提供了一种数值模式多量级降水预报值的订正装置,通过预报日对应的训练期内的降水预报值、实际降水值,以及预先设置的降水量级标准,计算对应的降水订正值并进行TS评分,以确定得到最优的降水订正阈值序列,用于对预报日的降水预报值进行订正。本发明实施例采用1年期准对称滑动训练期进行最优降水订正阈值的统计分析,能更好地自适应预报日前后相似的季节背景,并保证了参与训练数据的时效性。且本发明采用历史的降水预报值和实际降水值作为训练数据,能够通过数值天气预报模式直接获取,适用于格点数据或站点数据的获取,训练数据简单易得。通过计算预报日对应的训练期内各降水量级下的降水订正预报评分,以确定用于对该预报日的降水预报值进行订正的最优降水订正阈值序列,从而实现对降水预报值的逐日订正,有效地减少不同降水量级下预报日的降水预报误差,提高降水预报的准确性。
参见图3,是本发明实施例三提供的另一种数值模式多量级降水预报值的订正装置的结构示意图。本发明实施例提供的一种数值模式多量级降水预报值的订正装置30,包括处理器31、存储器32以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述实施例一所述的数值模式多量级降水预报值的订正方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例一所述的数值模式多量级降水预报值的订正方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种数值模式多量级降水预报值的订正方法,其特征在于,包括:
确定预报日对应的训练期,并获取每一预报站点对训练期内每一训练日的降水预报值,以及每一训练日的实际降水值;
根据训练期内的所有降水预报值,计算在每一降水量级下,经过不同降水订正阈值处理后的降水订正值;其中,预先设定N个降水量级,以及每一降水量级对应的降水阈值,N>1;
针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分;并将TS评分结果最高时所对应的降水订正阈值作为所述降水量级的最优降水订正阈值,以此得到每一降水量级对应的最优降水订正阈值,作为最优降水订正阈值序列;
根据所述最优降水订正阈值序列,对所述预报日的降水预报值进行订正,得到所述预报日的降水订正值,作为所述预报日的最终降水预报结果。
2.如权利要求1所述的数值模式多量级降水预报值的订正方法,其特征在于,所述根据训练期内的所有降水预报值,计算每一降水量级下经过不同降水订正阈值处理后的降水订正值,具体包括:
预先设定每一降水量级k对应的降水订正阈值Fk的n个候选值,作为所述降水量级k对应的降水订正阈值候选值序列{Fk1,Fk2,…,Fkn};其中,k表示每一降水量级的编号,1≤k≤N;
针对同一降水量级k,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,计算得到不同降水订正阈值处理后所有所述降水预报值对应的降水订正值。
3.如权利要求2所述的数值模式多量级降水预报值的订正方法,其特征在于,所述针对同一降水量级k,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,计算得到不同降水订正阈值处理后所有所述降水预报值对应的降水订正值,具体包括:
当所述降水量级k=1时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第一计算公式,计算所有所述降水预报值对应的降水订正值:
当所述降水量级1<k<N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第二计算公式,计算所有所述降水预报值对应的降水订正值:
当所述降水量级k=N时,根据每一所述降水预报值和所述降水量级对应的降水订正阈值候选值序列中的每一候选值,根据以下第三计算公式,计算所有所述降水预报值对应的降水订正值:
其中,y为降水订正值,x为降水预报值,Fk为降水量级k对应的降水订正阈值,其对应的降水订正阈值候选值序列为{Fk1,Fk2,…,Fkn};Ok为每一降水量级k对应的降水阈值。
4.如权利要求1所述的数值模式多量级降水预报值的订正方法,其特征在于,所述针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分,具体包括:
针对同一降水量级k,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,通过以下TS评分公式,进行预报TS评分:
其中,TS表示预报TS评分结果;NA表示在所述训练期内任一训练日的任一降水订正值和该训练日的实际降水值均达到该降水量级k对应的降水阈值Ok的次数;NB表示在所述训练期内任一训练日的任一降水订正值达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值未达到该降水量级k对应的降水阈值Ok的次数;NC表示在所述训练期内任一训练日的任一降水订正值未达到该降水量级k对应的降水阈值Ok,且该训练日的实际降水值达到该降水量级k对应的降水阈值Ok的次数。
6.如权利要求1所述的数值模式多量级降水预报值的订正方法,其特征在于,所述确定预报日对应的训练期,具体为:
获取所述预报日之前的20天,以及所述预报日在上一年同一日之后的20天,作为所述预报日的训练期。
7.如权利要求1所述的数值模式多量级降水预报值的订正方法,其特征在于,所述预先设定k个降水量级,以及每一降水量级对应的降水阈值,具体为:
预先设定10个降水量级,以及每一降水量级对应的降水阈值Ok;其中,每一降水量级对应的降水阈值分别为:0.1mm,1mm,5mm,10mm,25mm,35mm,50mm,75mm,100mm,150mm。
8.一种数值模式多量级降水预报值的订正装置,其特征在于,包括:
降水数据获取模块,用于确定预报日对应的训练期,并获取每一预报站点对训练期内每一训练日的降水预报值,以及每一训练日的实际降水值;
降水订正值计算模块,用于根据训练期内的所有降水预报值,计算在每一降水量级下,经过不同降水订正阈值处理后的降水订正值;其中,预先设定N个降水量级,以及每一降水量级对应的降水阈值,N>1;
最优降水订正阈值计算模块,用于针对同一降水量级,根据不同降水订正阈值处理后的降水订正值、实际降水值和每一所述降水量级对应的降水阈值,进行预报TS评分;并将TS评分最高时所对应的降水订正阈值作为所述降水量级的最优降水订正阈值,以此得到每一降水量级对应的最优降水订正阈值,作为最优降水订正阈值序列;
降水预报结果获得模块,用于根据所述最优降水订正阈值序列,对所述预报日的降水预报值进行订正,得到所述预报日的降水订正值,作为所述预报日的最终降水预报结果。
9.一种数值模式多量级降水预报值的订正装置,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的数值模式多量级降水预报值的订正方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的数值模式多量级降水预报值的订正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010847121.5A CN112051627B (zh) | 2020-08-21 | 2020-08-21 | 一种数值模式多量级降水预报值的订正方法、装置和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010847121.5A CN112051627B (zh) | 2020-08-21 | 2020-08-21 | 一种数值模式多量级降水预报值的订正方法、装置和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112051627A true CN112051627A (zh) | 2020-12-08 |
CN112051627B CN112051627B (zh) | 2022-04-12 |
Family
ID=73599667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010847121.5A Active CN112051627B (zh) | 2020-08-21 | 2020-08-21 | 一种数值模式多量级降水预报值的订正方法、装置和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051627B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819237A (zh) * | 2021-02-08 | 2021-05-18 | 广东省气象台(南海海洋气象预报中心) | 降水多尺度融合预报方法和装置 |
CN113128778A (zh) * | 2021-04-27 | 2021-07-16 | 最美天气(上海)科技有限公司 | 一种基于分级ts气象评分的模型训练方法 |
CN113466968A (zh) * | 2021-07-15 | 2021-10-01 | 海南省气象台 | 一种基于频率匹配和动态融合的多模式降水预报订正方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10334071A (ja) * | 1997-06-02 | 1998-12-18 | Nippon Telegr & Teleph Corp <Ntt> | 神経回路網モデルの並列汎化学習法およびその装置 |
CN109376913A (zh) * | 2018-09-30 | 2019-02-22 | 北京市天元网络技术股份有限公司 | 降水量的预测方法及装置 |
CN110163426A (zh) * | 2019-05-09 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 一种多模式集成降水预报方法及装置 |
CN111257970A (zh) * | 2018-11-30 | 2020-06-09 | 中国电力科学研究院有限公司 | 一种基于集合预报的降水预报订正方法及*** |
-
2020
- 2020-08-21 CN CN202010847121.5A patent/CN112051627B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10334071A (ja) * | 1997-06-02 | 1998-12-18 | Nippon Telegr & Teleph Corp <Ntt> | 神経回路網モデルの並列汎化学習法およびその装置 |
CN109376913A (zh) * | 2018-09-30 | 2019-02-22 | 北京市天元网络技术股份有限公司 | 降水量的预测方法及装置 |
CN111257970A (zh) * | 2018-11-30 | 2020-06-09 | 中国电力科学研究院有限公司 | 一种基于集合预报的降水预报订正方法及*** |
CN110163426A (zh) * | 2019-05-09 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 一种多模式集成降水预报方法及装置 |
Non-Patent Citations (1)
Title |
---|
翟振芳 等: "安徽省ECMWF数值模式降水预报性能的检验", 《气象与环境学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819237A (zh) * | 2021-02-08 | 2021-05-18 | 广东省气象台(南海海洋气象预报中心) | 降水多尺度融合预报方法和装置 |
CN112819237B (zh) * | 2021-02-08 | 2021-09-14 | 广东省气象台(南海海洋气象预报中心) | 降水多尺度融合预报方法和装置 |
CN113128778A (zh) * | 2021-04-27 | 2021-07-16 | 最美天气(上海)科技有限公司 | 一种基于分级ts气象评分的模型训练方法 |
CN113466968A (zh) * | 2021-07-15 | 2021-10-01 | 海南省气象台 | 一种基于频率匹配和动态融合的多模式降水预报订正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112051627B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051627B (zh) | 一种数值模式多量级降水预报值的订正方法、装置和介质 | |
CN108428017B (zh) | 基于核极限学习机分位数回归的风电功率区间预测方法 | |
CN110727665B (zh) | 物联网设备上报数据质量分析方法及*** | |
CN110019124B (zh) | 一种集合天气预报修订方法及*** | |
CN108764515A (zh) | 一种耦合数值气象水文集合预报的水库调度风险决策方法 | |
CN111191193A (zh) | 一种基于自回归滑动平均模型的长期土壤温湿度高精度预测方法 | |
CN113312578A (zh) | 一种数据指标的波动归因方法、装置、设备、及介质 | |
Zaw et al. | Empirical statistical modeling of rainfall prediction over Myanmar | |
Eckaus | Absorptive capacity as a constraint due to maturation processes | |
CN113807545A (zh) | 一种基于深度学习和物理模型的河湖生态流量预报预警方法 | |
CN111563236A (zh) | 一种短期风速预测方法及装置 | |
Lang et al. | Bivariate Gaussian models for wind vectors in a distributional regression framework | |
Bennett et al. | An error model for long-range ensemble forecasts of ephemeral rivers | |
CN110046756B (zh) | 基于小波去噪与Catboost的短时天气预报方法 | |
CN112700050B (zh) | 一种光伏电站超短期第1点功率预测方法及*** | |
CN117435873B (zh) | 一种基于智能喷雾降尘的数据管理方法 | |
CN112836885A (zh) | 组合负荷预测方法、装置、电子设备和存储介质 | |
Möller et al. | Vine copula based post-processing of ensemble forecasts for temperature | |
CN116341753A (zh) | 一种使用机器学习对区域二氧化碳排放预测的方法 | |
CN116227785A (zh) | 考虑气候-植被-取用水影响的径流变化归因方法、装置及*** | |
CN115907192A (zh) | 风电功率波动区间预测模型的生成方法、装置及电子设备 | |
CN112034535B (zh) | 数值模式降水预报的订正方法、***及存储介质 | |
CN116307038A (zh) | 一种灌溉用水量预测方法、***及计算机存储介质 | |
CN112529183A (zh) | 一种基于知识蒸馏的模型自适应更新方法 | |
CN112446550A (zh) | 一种短期建筑负荷概率密度预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |