发明名称 基于ERA‑Interim和ERA40预测海浪有效波高的方法
摘要 本发明公开了一种基于ERA‑Interim和ERA40的海浪有效波高的预测方法,包括如下步骤:获取原始数据,并进行数据预处理;选取合适的海平面气压场;用ERA‑Interim 的数据来校正模型;用ERA40的数据来评估已校正的模型;预测海浪有效波高。本发明利用欧洲中尺度天气预测中心的长期稳定的ERA‑Interim再分析数据源,从中提取出预测海浪有效波高的资料,再辅以主成分分析的方法,并利用ERA40再分析数据源进行评估,不仅可预报多时次的海浪有效波高,而且可操作性强、预报的准确率高。
申请公布号 CN104021308B 申请公布日期 2017.04.05
申请号 CN201410281617.5 申请日期 2014.06.20
申请人 河海大学 发明人 吴玲莉;焦楚杰;吴腾;张玮;梁桂兰
分类号 G06F19/00(2011.01)I 主分类号 G06F19/00(2011.01)I
代理机构 南京苏高专利商标事务所(普通合伙) 32204 代理人 柏尚春
主权项 一种基于ERA‑Interim和ERA40预测海浪有效波高的方法,其特征在于,包括以下步骤:S1:获取原始数据,并预处理相关数据;S2:选取合适的海平面气压场;S3:用ERA‑Interim的数据来校正模型;S4:用ERA40的数据来评估已校正的模型;S5:预测海浪有效波高;所述步骤S1进一步包括:S11:收集基于格点模式的欧洲中尺度天气预测中心的ERA‑Interim再分析数据集的长时段的各时次气象预报数据,包括6小时一次的海平面气压SLP,有效波高Hs;S12:获取所收集的各时次气象预报数据所标格点的坐标,以该坐标为依据,提取与各时次气象预报数据所标格点的坐标相对应的海平面气压矩阵S,有效波高矩阵H,其中包含m个空间点,每个空间点含有n次观测数据:<img file="FDA0001193393430000011.GIF" wi="1437" he="295" /><img file="FDA0001193393430000012.GIF" wi="1445" he="295" />S<sub>mn</sub>是第m个空间点的第n时次的海平面气压值,H<sub>mn</sub>是是第m个空间点的第n时次的有效波高,m是空间点的个数,n是观测时次;所述步骤S3进一步包括:S31:计算基于格点模式的ERA‑Interim各时次的海平面气压SLP的均值M,再用原始值S减去均值M,得到基于格点模式的各时次的SLP的距平值P,并计算出SLP距平值P的标准偏差S:<img file="FDA0001193393430000013.GIF" wi="1390" he="303" />其中,<img file="FDA0001193393430000021.GIF" wi="246" he="190" />n是观测时次,i表示空间点,j表示时次;S32:对SLP距平值P做EOF分析,得到不同成分及各成分对总方差的贡献率,保留前30个EOF和主成分;对P进行协方差计算,得到实对称矩阵L<sub>m×m</sub>:<img file="FDA0001193393430000022.GIF" wi="292" he="119" />T表示矩阵的转置;然后求协方差矩阵L<sub>m×m</sub>的特征向量V和特征值Λ,满足LV=ΛV,其中<img file="FDA0001193393430000023.GIF" wi="734" he="298" />式中,λ<sub>1</sub>≥λ<sub>2</sub>≥,...,≥λ<sub>m</sub>,矩阵V是正交矩阵,矩阵V的第j列元素就是特征值λ<sub>j</sub>对应的特征向量;根据实对称矩阵L<sub>m×m</sub>的特征向量V和特征值Λ,计算每个特征向量的方差贡献率和前几个特征向量的累计方差贡献率,方差贡献越大代表对应的特征向量和时间系数在资料中演变规律越显著,按照特征值从大到小的顺序对L进行排序,排在第一位的为EOF<sub>1</sub>,以此类推;S33:对根据步骤S1收集的基于格点的各时次的原始海平面气压SLP和有效波高Hs,进行Box‑Cox变换,得到变换后的海平面气压trGt和有效波高trHt;S34:对每个格点上对应的trHt,用主成分PC<sub>k,t</sub>和PC<sub>k,t‑4</sub>计算其相关系数,并取相关系数最高时的28个主成分PC<sub>k,t</sub>或PC<sub>k,t‑4</sub>作为有效波高的预测因子;S35:计算有效波高的标准偏差S<sub>Hl</sub>和30个预测因子X<sub>k,t</sub>的标准偏差S<sub>Xk</sub>,保存备用;S36:将预测因子带入预测模型,用F统计量比较第i个模型和第i+1个模型的预测结果,从而选出最优的预测因子;S37:将滞后一步的有效波高也带入模型,作为预测因子之一,综合预测下一时次的各格点的有效波高,优化模型参数,得到最终模型,其中模型如下:<maths num="0001"><math><![CDATA[<mrow><msub><mi>H</mi><mi>t</mi></msub><mo>=</mo><mi>a</mi><mo>+</mo><munderover><mo>&Sigma;</mo><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>b</mi><mi>k</mi></msub><msub><mi>X</mi><mrow><mi>k</mi><mo>,</mo><mi>t</mi></mrow></msub><mo>+</mo><munderover><mo>&Sigma;</mo><mrow><mi>p</mi><mo>=</mo><mn>1</mn></mrow><mi>P</mi></munderover><msub><mi>c</mi><mi>p</mi></msub><msub><mi>H</mi><mrow><mi>t</mi><mo>-</mo><mi>p</mi></mrow></msub><mo>+</mo><msub><mi>u</mi><mi>t</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001193393430000031.GIF" wi="1613" he="134" /></maths>式中,H<sub>t</sub>是每个网格点上的经过变换的有效波高,a是常数项,P是跟预报量相关的参变量的滞后系数,X<sub>k,t</sub>是第k个基于SLP的预报因子,t是时次,b<sub>k</sub>是对应于X<sub>k,t</sub>的系数,K是预报因子的总数,H<sub>t‑p</sub>是滞后p的有效波高,c<sub>p</sub>是对应于H<sub>t‑p</sub>的系数,u<sub>t</sub>可以用M阶自回归模型来表示,如果M=0,u<sub>t</sub>为白噪声;所述步骤S4进一步包括:S41:计算基于格点模式的ERA40各时次的海平面气压SLP的均值M2,再用原始值S2减去均值M2,得到基于格点模式的各时次的SLP的距平值P2,并计算出SLP距平值P2的标准偏差S2;S42:对SLP距平值P2做EOF分析,得到不同成分及各成分对总方差的贡献率,保留前30个EOF和主成分;S43:在步骤S32得到的前30个EOF的基础上对各时次的ERA40的SLP场进行预测,得到主成分PC<sub>k,t</sub>,k、t表示序数和时次;S44:将根据步骤S31得到的M加到P2上,得到修正后的ERA40的各时次的SLP场;S45:对修正后的ERA40的各时次的SLP场,得到变换后的海平面气压trGt;S46:用步骤S35计算的S<sub>Xk</sub>衡量选择这30个预测因子X<sub>k,t</sub>;所述步骤S5进一步包括:S51:将根据步骤S46选择的所有预测因子带入步骤S37的最终模型,预测目标时期内各时次的有效波高,将预测出的有效波高值还原到Box‑Cox变换前的值,保存为格点模式文件;S52:采用PSS等评估指标评估预测水平,PSS是皮尔斯评估得分,其定义为<img file="FDA0001193393430000032.GIF" wi="477" he="263" />i=1,2,3,…K;K为总观测次数,p<sub>i</sub>为观测相对频率,q<sub>i</sub>为预测相对频率,p<sub>ij</sub>为联合相对频率,公式中p<sub>ii</sub>为取j=i的情况。
地址 211100 江苏省南京市江宁区佛城西路8号
您可能感兴趣的专利