利用分类拟合法预判目标区域未来平均云量的方法

摘要

本发明提供了一种利用分类拟合法预判目标区域未来旬平均云量的方法。该方法中，对FY‑2E数据进行小波分解，分别提取低频趋势时间序列与高频随机时间序列，分别将ARMA系列时间序列模型应用于低频趋势时间序列的预测，将神经网络模型应用于高频随机时间序列的预测，通过整合得到预测的未来旬平均云量，结果可以供遥感卫星订购用户做参考，预判目标区域有效数据获取的可行性，从而提高了预测的准确度。

主权项

一种利用分类拟合法预判目标区域未来平均云量的方法，其特征在于，包括：步骤A：读取云气候学数据集中目标区域所在网格的往年的平均云量序列C；步骤B：采用小波分解的分析方法，将平均云量序列C进行分解与重构，得到低频趋势时间序列与高频随机时间序列σ^*(s)，其中，s＝1，2，3...，S，S为平均云量序列C中的云量数据的个数；步骤C：对于低频趋势时间序列和高频趋势时间序列σ^*(s)，分别建立模型进行拟合预测，得到相应的低频趋势时间序列的预测结果和高频趋势时间序列的预测结果以及步骤D：对低频趋势时间序列的预测结果和高频趋势时间序列的预测结果进行整合，得到最终云量预测的时间序列实现目标区域未来平均云量的预测。