[发明专利]一种时间维度和空间维度结合的异常站点筛查方法

说明书

本发明涉及一种时间维度和空间维度结合的异常站点筛查方法，包括以下步骤：步骤1、采用Hampel法基于年序列降雨观测资料初步判定基准站；步骤2、采用格拉布斯准则再次判别基准站；步骤3、确定基准站后采用周边测站分析法基于逐小时降雨监测数据判别异常站点；步骤4、雷达辅助校验异常站点。本发明可以实现大规模雨量监测站数据的异常识别和快速处理，异常识别率高达95％以上，为暴雨洪水风险提示和预警提供准确、可靠的依据。

技术领域

本发明申请为申请日2021年11月26日，申请号为：202111419496.2，名称为“一种大规模降雨监测异常站点筛查方法”的发明专利申请的分案申请。

本发明涉及一种大规模降雨监测异常站点筛查方法，属于气象水文领域，主要用于为暴雨洪水风险提示和预警提供准确、可靠的降雨监测信息。

背景技术

降雨监测是水文监测的重要组成部分，是暴雨洪水灾害防御工作的耳目和参谋。21世纪以来，水利部门加大了对自动监测站建设的支持力度，特别是经过山洪灾害防治项目建设，全国山洪灾害自动监测站点达13.2万个，自动雨量站网平均密度为38km²/站，是2006年(6000站)的22倍，最小报汛时段缩短到10min，数据信息量增加100余倍，极大地缩小了降雨监测盲区，有力支撑了水旱灾害防御工作。但由于部分测站建设标准偏低，位于山丘区的测站运维困难，数据质量难以得到保障，常常出现冒大数、缺测、漏测等情况，且测站出现问题具有很强的随机性，完全抛弃某一测站不切实际。

为了站点的监测数据得到有效利用，需要从众多降雨监测站点中找出不同时段内监测数据准确的站点，剔除数据质量有问题的站点，但目前大多数识别方法具有很强的主观性，误判的可能性很大，业务当中应用时存在较大风险，一是难以识别出确有异常的站点，二是容易将正确站点错误认为是异常站点，与开展异常站点识别的初衷相悖。对于极个别异常识别准确性较高的方法，需要进行大量的距离计算与比较，对计算资源要求极高，而事实上业务应用对异常站点识别方法的稳定性、可靠性和高效性均提出很高的要求。提出一个能够业务化应用的大规模异常站点识别方法极为迫切。

发明内容

本发明提出了一种大规模降雨监测异常站点筛查方法，其解决的技术问题是基于Hampel法、格拉布斯准则、周边测站分析法和雷达辅助校验等方法，建立递进式异常站点筛查体系，并通过K-d tree(K-dimension tree)高级数据结构和并行计算方法提高计算效率，为大规模降雨监测数据异常识别、充分利用雨量监测站有效信息提供可靠的方法。

为了解决上述存在的技术问题，本发明采用了以下方案：

一种大规模降雨监测异常站点筛查方法，包括以下步骤：

步骤1、采用Hampel法通过某一测站降雨时间序列查找出测站异常年份，在时间维度上初步判定基准站；

步骤2、采用改进的格拉布斯准则进行空间维度判别，通过异常年份测站的周边测站雨量确定是否为异常，再次判别基准站；

步骤3、确定基准站后采用周边测站分析法基于逐小时降雨监测数据判别异常站点；

步骤4、雷达辅助校验异常站点。

建立了“年尺度初筛—小时尺度细判—小时尺度验证”的多时空异常站点筛查体系。

进一步，步骤1、2提出了以年降雨序列为数据基础的“时空维度+先后规则”的基准站判别方法，即从大规模测站中，先通过某一测站降雨时间序列查找出测站的异常年份，再通过周边测站雨量确定其是否为异常，能够适应我国大多数测站年观测序列短的现状，提高了准确度。