[发明专利]一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法

说明书

本发明公开了一种基于PSR‑FastICA‑OS_ELM的自动气象站实时数据质量控制方法，该方法，首先对单站实时气温及定长历史气温序列进行采集，构成采集信号；然后对采集信号进行基本质量控制；接着进行相空间重构；并对重构的高维矢量空间信号进行快速独立分量分析，达到去噪、去冗余的目的，得到源信号在高维矢量空间中的无偏信号；最后，通过在线序贯极限学习机构建时间序列采集信号的重建模型，得到去噪后的气温重建值；并根据此去噪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。该方法满足了实时数据采集的要求，提高了实时自动气象站观测数据的质量。

技术领域

本发明涉及自动气象站观测数据的质量控制领域，特别发明了一种针对自动气象站实时采集气温资料的质量控制方法。

背景技术

我国自90年代末开始在部分台站布设地面自动气象观测系统，至2011年，全国有2500多个地面自动气象站应用到气象观测业务。自动气象站具有站点分布密集、地形差异大、测站环境恶劣、数据采集和传输自动化程度高、资料实时性强、中小尺度天气现象明显等特点，其观测数据的质量问题比人工常规地面站观测资料显得更复杂和严重，因而必须对自动气象站的观测数据进行质量控制。我国对采集的数据进行两个层面质量控制，即基于观测台站的数据有效性、实时性控制和基于数据中心的内部一致性、时间一致性和空间一致性质量控制。在我国三级质量控制业务中，基层台站级控制进行基本质量控制，省级、国家级应对自动站实时数据进行全面系统质量控制。但是，自动气象站在进行数据采集过程中容易受到大量系统噪声、随机噪声、粗大噪声和微气象噪声的干扰；这些噪声中的随机噪声、系统噪声和微气象噪声是现有质量控制方法不能消除的，这会影响自动气象站观测数据的质量，从而影响气候、气象变化模型的研究和短期数值天气预报的精度。

传统基于相空间重构的气温重建实时质量控制法，是根据历史观测数据在高维矢量空间与对应气温的映射关系完成对气温的重建，进而达到质量控制的目的。这种方法忽视了历史气温数据在高维矢量空间信号中噪声部分的分离，即高维矢量空间信号包含源信号和噪声信号；也忽视了高维矢量空间信号的冗余性去除，即高维矢量空间独立信号的特征提取。这是传统基于相空间重构方法的不足之处。

发明内容

本发明的目的是提供一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法，解决了目前质量控制方法不能消除随机噪声、系统噪声、微气象噪声的问题，提高了自动气象站实时观测数据的质量。

本发明采用的技术方案为：一种基于相空间重构(PSR)、快速独立分量分析(FastICA)和在线序贯极限学习机(OS_ELM)的自动气象站实时数据质量控制方法，包括以下步骤：

步骤1：采集被检站被检t时刻气温tep(t)，即实际观测值，及t时刻前某一长度的小时数据构成气温时间采样信号{x(t′)|t′＝1,2,…,n}，其中t为实时采样时间，t′为历史采样时间，两者满足关系t′＝t-n+1，n为历史采样时间的长度。

步骤2：对历史气温序列信号{x(t′)|t′＝1,2,…,n}进行基本质量控制，得到基本控制后的数据

步骤3：根据公式对基本质量控制后的数据进行相空间重构，得到N(N＝n-(m-1)τ)个维数为m的矢量信号其中，m、τ为相空间重构参数嵌入维数和时间延迟。

步骤4：根据独立分量分析，步骤3得到的高维矢量信号包括源信号真实信息部分和噪声信息部分，即ICA混叠模型其中，为步骤3中得到的高维矢量信号，即混叠信号；A为未知混合矩阵；为理想的相互独立、无污染的高维矢量信号；n_i为噪声项。根据ICA解混模型求取源信号真实部分的无偏估计值其中为基于某一目标函数的最优解叠矩阵W下的源信号的估计信号。本发明运用FastICA算法的基于负熵非高斯性最大化原理求解解叠矩阵W，得到去噪、独立统计高维信号