[发明专利]预报预测相结合的气象栅格数据更新方法

权利要求书

1.预报预测相结合的气象栅格数据更新方法，其特征在于，包括如下步骤：

步骤1，获取气象栅格数据，对于待更新的气象要素，将气象栅格数据中该气象要素的值按照时间顺序依次排列，得到该气象要素的一组时间序列；

步骤2，采用ADF单位根检验法检验步骤1得到的时间序列是否平稳，若平稳则进入步骤3，若不平稳则对时间序列进行处理，使处理后的时间序列达到平稳性要求；

步骤3，对于达到平稳性要求的时间序列，计算自相关系数和偏相关系数，根据自相关系数和偏相关系数识别待更新的气象要素的时间序列的预测模型，并对预测模型定阶；

其中，识别待更新的气象要素的时间序列的预测模型，并对预测模型定阶，具体如下：

采用2倍标准差范围识别待更新的气象要素的时间序列的预测模型，对于时间序列的自相关系数若均大于且均小于等于则确定时间序列的预测模型为阶数为q的MA(q)模型；

对于时间序列的偏相关系数若均大于且均小于等于则确定时间序列的预测模型为阶数为p的AR(p)模型；

若时间序列的自相关系数不满足以上自相关系数对应的条件且偏相关系数不满足以上偏相关系数对应的条件，则确定时间序列的预测模型为ARMA(p,q)模型；采用最小信息准则函数定阶法，即AIC法，对ARMA(p,q)模型进行定阶，ARMA(p,q)模型拟合的AIC准则函数为：为残差方差的估计值，p,q为模型阶数，当AIC函数取值最小时对应的p,q就为模型的阶数；

步骤4，利用最小二乘法对步骤3识别的预测模型进行参数估计，完成预测模型的建模；具体过程如下：

当步骤3识别的预测模型为ARMA(p,q)模型时：参数估计即求解自回归系数φ_i和移动平均系数θ_j，ε_t-j为残差，根据条件最小二乘法，t≤0时，x_t＝0，得到残差的有限项表达式：其中π_m为ARMA(p,q)模型逆转形式中的逆函数；则残差平方和再通过迭代使残差平方和到达最小值，因为联立方程即能估计出φ₀,φ₁,...,φ_p,θ₁,...,θ_q的值；

同理，当步骤3识别的预测模型为AR(p)模型或MA(q)模型时，同样按照最小二乘法估计出参数；

步骤5，利用建模后的预测模型实现时间序列未来时间的气象要素值的预测与更新。