[发明专利]利用云气候学数据预判目标区域未来月平均云量的方法

权利要求书

1.一种利用云气候学数据预判目标区域未来月平均云量的方法，其特征在于，包括：

步骤A，读取ISCCP的D2数据集中目标区域所在网格的预设年份段的月平均云量序列C；

步骤B，采用迪基-福勒检验法检验所述月平均云量序列C的平稳性，如果所述月平均云量序列C的数据平稳，执行子步骤D1；以及

子步骤D1，利用自回归滑动平均模型对月平均云量进行处理，得到未来月平均云量。

2.根据权利要求1所述的方法，其特征在于，所述步骤B包括：

子步骤B1，建立检验的原假设H₀：序列为非平稳序列；相应的备择假设H₁：序列为平稳序列；

子步骤B2，在原假设H₀的基础上，以月平均云量序列C为样本数据，计算其检验统计量t_τ；

子步骤B3，查找迪基-福勒检验法统计量百分位表中与给定的显著性水平α相应的分位点；以及

子步骤B4，将检验统计量t_τ与该分位点进行比较，如果小于该分位点，则拒绝原假设，序列为平稳序列，如果大于该分位点，则接受该原假设，该序列为非平稳序列。

3.根据权利要求1所述的方法，其特征在于，所述子步骤D1包括：

子分步骤D1a，使用以下参数初始值：...，θ₁＝-0.90，θ₂＝-0.85，...，θ_q＝-0.95+0.05q，ε_t＝0，按照p＝1，2，...，12，q＝1，2，...12，共144组可能组合，分别建立自回归滑动平均模型，每一自回归滑动平均模型的参数包含p阶自回归系数和q阶滑动平均系数，即......、θ₁、θ₂、......、θ_q；

把月平均云量序列C的序列值及参数估计初始值代入下述方程：

e_t＝c_t-φ₁c_t-1-φ₂c_t-2-…-φ_pc_t-p-ε_t+θ₁ε_t-1+θ₂ε_t-2+…+θ_qε_t-q；

子分步骤D1b，利用上述方程针对144组组合分别建立相应的最小化目标函数：

Sc(φ1,φ2,...,φp,θ1,θ2,...,θq)=Σt=2Net2]]>

用高斯牛顿法对每个目标函数S_c(φ₁，φ₂，...，φ_p，θ₁，θ₂，...，θ_q)中的参数进行最小二乘估计，得到144组可能组合的p阶自回归系数和q阶滑动平均系数；

子分步骤D1c，利用残差分析方法，从144组参数值中选出最优的一组参数组合作为最终的模型参数，确定最终的自回归滑动平均模型；

子分步骤D1d，将月平均云量序列C及自回归滑动平均模型参数代入以下预测方程，得到未来第r个月的月平均云量预判值：

c^(r)=Φ1c^(r-1)+Φ2c^(r-2)+···+Φpc^(r-p)+Θ0-]]>

Θ1E(eN+r-1|c1,c2,...,cN)-Θ2E(eN+r-2|c1,c2,...,cN)-···-]]>

ΘqE(eN+r-q|c1,c2,...,cN)]]>

其中，r＝1，2，3，……，12；

E(eN+r-1|c1,c2,...,cN)=0r>0eN+rr≤0;]]>

N为月平均云量序列C元素个数，c₁，c₂，...，c_N为月平均云量序列C的各个元素。