[发明专利]基于空间多重相关解集算法的降尺度校正模型

说明书

本发明公开了一种基于空间多重相关解集算法的降尺度校正模型，包括以下步骤：步骤(1)数据获取，包括气候模式网格数据系列X_t＝(x_1,t,x_2,t,…,x_m,t)，其中m为网格数目，t表示时刻，以及各站点实测资料系列Y_t＝(y_1,t,y_2,t,…,y_n,t)，其中n为站点个数；步骤(2)建立基于空间多重相关解集算法的降尺度校正模型：Y＝B+AX+ε(ε～N(0,σ²))，其中A和B用于反映网格数据与站点实测资料的相关结构关系，ε为标准化独立随机矢量；步骤(3)采用粒子群优化算法求解式(1)中的A和B系数矩阵，本发明具有可以提高模拟精度的特点。

技术领域

本发明涉及一种基于空间多重相关解集算法的降尺度校正模型，属于统计降尺度技术领域。

背景技术

根据全球气候模式的具体信息可知，模式的空间分辨率较低，且大多数在1.5°×1.5°以上。如果直接将模式资料用于气候变化对水文水资源的影响研究中，肯定会带来很大误差，结果具有很高不确定性，为研究区域未来气候变化，应对气候模式进行降尺度处理。

常用的降尺度方法有动力降尺度、统计降尺度及插值降尺度。统计降尺度方法简单灵活，易于实施，在实际中得到了广泛的运用。目前，常用的统计降尺度方法(如SDSM、ASD等)是通过构建预报变量和预报因子间的统计关系，推求区域内各个站点预报变量的降尺度结果。然而(某些)预报因子与预报变量之间可能不具有明确的物理意义上相关；而且当预报因子和预报变量之间的相关性较弱时，降尺度结果的误差会较大，存在较高的不确定性；这种通过引入多种预报因子的降尺度方法可能会“污染”预报变量的降尺度结果。此外，常用的统计降尺度方法一般只能实现单站点的降尺度，并不能保证区域内各个站点降尺度结果的空间相关性。

发明内容

本发明所要解决的技术问题是，提供一种可以提高模拟精度的基于空间多重相关解集算法的降尺度校正模型

为解决上述技术问题，本发明采用的技术方案为：

基于空间多重相关解集算法的降尺度校正模型，包括以下步骤：

步骤(1)数据获取，包括气候模式网格数据系列X_t＝(x_1,t,x_2,t,…,x_m,t)，其中m为网格数目，t表示时刻，以及各站点实测资料系列Y_t＝(y_1,t,y_2,t,…,y_n,t)，其中n为站点个数；

步骤(2)建立基于空间多重相关解集算法的降尺度校正模型，所述降尺度校正模型为下式(1)：

Y＝B+AX+ε(ε～N(0,σ²)) (1)

其中A和B用于反映网格数据与站点实测资料的相关结构关系，ε为标准化独立随机矢量，将式(1)用矩阵形式展开为：

步骤(3)采用粒子群优化算法求解式(1)中的A和B系数矩阵。

步骤(2)中根据相关系数越大越优准则，对每个站点筛选出相关性高的网格点，设站点y_i对应的相关性最高的p个网格点集合是C＝(x_j1,x_j2,...,x_jp)，对系数矩阵A设置约束条件如下式(3)所示：

其中i表示第i个站点，j表示第j个网格点。