[发明专利]一种基于贝叶斯回归的多来源降雨数据融合算法及装置

权利要求书

1.一种基于贝叶斯回归的多来源降雨数据融合方法，其特征在于，包括：

获取至少一个地点位置的观测数据，其中，所述观测数据包括雷达回波强度数据、降雨站监测数据以及众包监测数据；

根据所述雷达回波强度数据，建立估算降雨强度的线性方程；

根据所述线性方程对应的随机误差系数，确定对应的变差函数；

根据所述线性方程的回归系数、所述随机误差系数，以及所述变差函数的取值系数，确定对应的第一向量；

通过贝叶斯公式对所述第一向量进行估计，确定对应的似然函数，并通过所述似然函数的正态分布，结合所述降雨站监测数据以及所述众包监测数据的不确定性，将所述第一向量转换为第二向量；

通过拉普拉斯近似的方法，求解所述第二向量的最优值，并带入所述估算降雨强度的线性方程，确定降雨强度估计值；

其中，所述通过所述似然函数的正态分布，结合所述降雨站监测数据以及所述众包监测数据的不确定性，将所述第一向量转换为第二向量包括：

假设所述似然函数服从正态分布，通过如下公式表示：

其中，表示第个地点位置对应的观测值，表示所述似然函数的正态分布，表示给定所述似然函数的正态分布时第个地点位置对应的观测值的似然函数值，M表示所述地点位置的总数目，表示所述至少一个地点位置的观测数据形成的观测值集合，表示给定所述观测值集合时所述第一向量为θ时的所有观测值对应的似然函数值之和；

根据所述正态分布，确定第个地点位置对应的第二期望值和第二标准偏差，通过如下公式表示：

其中，表示所述第二期望值，表示第个地点位置对应的雷达强度，所述雷达强度根据所述雷达回波强度数据而确定，所述线性方程的回归系数包括第一回归系数和第二回归系数，表示所述第一回归系数，表示所述第二回归系数，表示第一期望值，表示所述第二标准偏差，表示所述第二标准偏差的近似值，ζ为第一常数，表示所述众包监测数据确定的观测值相对于所述降雨站监测数据确定的观测值更大的不确定性，表示第个地点位置对应的观测值来自于所述降雨站监测数据，表示第个地点位置对应的观测值来自于所述众包监测数据；

根据所述第一常数ζ，以及所述第一向量中的所述第一回归系数、所述第二回归系数、第一取值系数、第二取值系数、极限距离，共同构成所述第二向量，其中，所述第一取值系数、所述第二取值系数为所述变差函数的取值系数，所述极限距离为所述变差函数趋近于极限值时所对应的极限距离。

2.根据权利要求1所述的基于贝叶斯回归的多来源降雨数据融合方法，其特征在于，所述获取至少一个地点位置的观测数据包括：

针对预设时间段，根据空间位置，确定所述众包监测数据、所述降雨站监测数据对应的所述雷达回波强度数据；

针对所述至少一个地点位置，构建对应的所述众包监测数据、所述降雨站监测数据以及所述雷达回波强度数据之间的映射关系。

3.根据权利要求2所述的基于贝叶斯回归的多来源降雨数据融合方法，其特征在于，所述估算降雨强度的线性方程通过如下公式表示：

其中，表示地点位置的坐标对应的降雨强度估计值，表示所述地点位置的坐标对应的所述雷达强度，表示所述第一回归系数，表示所述第二回归系数，表示所述随机误差系数。

4.根据权利要求3所述的基于贝叶斯回归的多来源降雨数据融合方法，其特征在于，所述随机误差系数的第一期望值和第一标准偏差通过如下公式表示：

其中，表示所述第一期望值，表示所述第一标准偏差，表示第个地点位置对应的所述降雨站监测数据或所述众包监测数据的残差，M表示所述地点位置的总数目，表示第个地点位置对应的加权值，是所述变差函数的极限值，表示坐标对应的地点位置与第个地点位置形成的所述变差函数。