[发明专利]一种基于多尺度特征的预报风速订正方法和系统

权利要求书

1.一种基于多尺度特征的预报风速订正方法，其特征在于，包括：

基于风速变化的物理过程将预报风速序列分解为多尺度特征；

从历史观测资料中选取与所述预报风速序列相似的观测数据；

基于相似的观测数据分别对所述预报风速序列中各尺度特征进行订正，然后合成得到订正后的预报风速；

所述多尺度特征包括：气候尺度特征、天气尺度特征和次天气尺度特征；

所述基于风速变化的物理过程将预报风速序列分解为多尺度特征，包括：

将预报风速序列分解为气候尺度特征和相对于气候尺度特征的扰动量；

对所述相对于气候尺度特征的扰动量进行奇异谱分析得到天气尺度特征和次天气尺度特征；

所述基于相似的观测数据分别对所述预报风速序列中各尺度特征进行订正，然后合成得到订正后的预报风速，包括：

基于相似的观测数据中的气候态求平均值得到气候平均态；

基于所述气候平均态作为所述气候尺度特征，与所述相对于气候尺度特征的扰动量得到气候尺度校准的预报风速；

基于相似的观测数据和预报风速序列采用距离函数公式订正所述天气尺度特征；

基于所述相似的观测数据，采用最小二乘法订正次天气尺度特征。

2.如权利要求1所述的预报风速订正方法，其特征在于，所述基于相似的观测数据和预报风速序列采用距离函数公式订正所述天气尺度特征，包括：

根据距离函数计算相似历史观测数据与预报风速序列之间的距离；

将所述距离的倒数作为对应的相似历史观测数据的权重；

基于相似历史观测数据和所述权重订正所述天气尺度特征；

将所有所述相似的观测数据与所述权重的乘积求和作为天气尺度校准的预报风速。

3.如权利要求1所述的预报风速订正方法，其特征在于，所述基于所述相似的观测数据，采用最小二乘法订正次天气尺度特征，包括：

选取设定时间内的预报风速序列，并采用最小二乘法得到拟合参数；

基于所述拟合参数结合提取的次天气尺度特征对所述次天气尺度特征的预报风速进行订正，得到次天气尺度校准的预报风速。

4.如权利要求1所述的预报风速订正方法，其特征在于，所述对所述相对于气候尺度特征的扰动量进行奇异谱分析得到天气尺度特征和次天气尺度特征，包括：

对所述相对于气候尺度特征的扰动量求积分得到气候尺度的扰动量；

基于所述气候尺度的扰动量在预报风速区域时滞排列建立相空间矩阵，并对所述相空间矩阵进行按照特征值由大到小奇异谱展开，计算方程贡献率和累积方差贡献；

基于所述方程贡献率和累积方差贡献提取天气尺度特征和次天气尺度特征。

5.如权利要求1所述的预报风速订正方法，其特征在于，所述天气尺度特征按下式分析得到：

式中：天气尺度特征：α_i-j，k：扰动向量在第k个时间主分量；k和p:风速趋势波动的特征向量个数；是滞后空间尺度的函数；j、i和m为嵌套空间维数。

6.如权利要求1所述的预报风速订正方法，其特征在于，所述订正后的预报风速按下式合成：

V_p＝V_c+V_t+V_s

式中，V_c：气候尺度校准的预报风速；V_t：天气尺度校准的预报风速；V_s：次天气尺度校准的预报风速。

7.一种基于多尺度特征的预报风速订正系统，其特征在于，包括：

分解模块，用于根据风速变化的物理过程将预报风速序列分解为多尺度特征；

选择模块，用于从历史观测资料中选取与所述预报风速序列相似的观测数据；

订正模块，用于根据相似的观测数据分别对所述预报风速序列中各尺度特征进行订正，然后合成得到订正后的预报风速；

所述分解模块包括：

初步分解子模块，用于将预报风速序列分解为气候尺度特征和相对于气候尺度特征的扰动量；

奇异谱分解子模块，用于对所述相对于气候尺度特征的扰动量进行奇异谱分析得到天气尺度特征和次天气尺度特征；

订正模块包括：

气候尺度校准子模块，用于基于相似的观测数据中的气候态求平均值得到气候平均态，并基于所述气候平均态作为所述气候尺度特征，与所述相对于气候尺度特征的扰动量得到气候尺度校准的预报风速；

天气尺度校准子模块，用于基于相似的观测数据和预报风速序列采用距离函数公式订正所述天气尺度特征；

次天气尺度校准子模块，用于基于所述相似的观测数据，采用最小二乘法订正次天气尺度特征。