[发明专利]一种区域对流层湿延迟预报方法

权利要求书

1.一种区域对流层湿延迟预报方法，其特征在于，包括如下步骤：

1)获取待预测时间段前一时间段的对流层湿延迟序列，向上延拓至区域内高程最高点所在平面，延拓后计算相邻历元的湿延迟时空增量；

2)利用步骤1)得到的湿延迟时空增量预测待预测时间段的湿延迟时空增量序列，在最高点所在平面内将前一历元的对流层湿延迟值与相对应的湿延迟时空增量相加，得到区域内最高点所在平面的对流层延迟预报值；

3)将区域内最高点所在平面的对流层延迟预报值向下延拓至地表，得到最终的区域对流层湿延迟预报结果。

2.根据权利要求1所述的区域对流层湿延迟预报方法，其特征在于，向上延拓的公式为：

式中，ZWD_top为向上延拓后的对流层湿延迟值；ZWD_surf为地表湿延迟值；ΔH为区域内最高点高程与待延拓位置高程之差；b_i为系数，i＝0,1,2，利用历史气象资料拟合得到。

3.根据权利要求1所述的区域对流层湿延迟预报方法，其特征在于，向下延拓的公式为：

4.根据权利要求1～3任一项所述的区域对流层湿延迟预报方法，其特征在于，步骤2)中将步骤1)中得到湿延迟时空增量输入至构建的机器学习模型中，以预测得到待预测时间段的湿延迟时空增量序列。

5.根据权利要求4所述的区域对流层湿延迟预报方法，其特征在于，训练所述机器学习模型的训练数据采用如下方式得到：收集目标区域的历史气象资料，根据气象资料计算区域内一定时空分辨率格网点的对流层湿延迟值，且要求相邻历元间的相关性指数大于或者等于预设阈值；进而将符合要求的对流层湿延迟序列向上延拓至区域内高程最高点所在平面，并计算相邻历元的湿延迟时空增量，从而得到训练数据。

6.根据权利要求5所述的区域对流层湿延迟预报方法，其特征在于，所述相关性指数的计算公式为：

式中，r为相关性指数；x_i、y_i为相邻两历元下一维向量形式的格网对流层湿延迟值；分别为两向量各自的平均值；n为一维向量的序列长度。

7.根据权利要求5所述的区域对流层湿延迟预报方法，其特征在于，若存在某两个相邻历元间的相关性指数小于预设阈值，则增大空间和时间分辨率，使得新分辨率下所有相邻历元的相关性指数均大于或者等于预设阈值。

8.根据权利要求7所述的区域对流层湿延迟预报方法，其特征在于，采用二次曲面内插方法增大空间分辨率，且二次曲面内插方法的方程为：

f(B,L)＝a₀+a₁B+a₂L+a₃B²+a₄L²+a₅BL

式中，B、L分别为离散点的大地纬度和大地经度；f()表示插值结果；a_i表示系数，i＝1,2,…,5。

9.根据权利要求7所述的区域对流层湿延迟预报方法，其特征在于，采用时序距离加权方法增大时间分辨率，且时序距离加权方法的方程为：

式中，g_t(i,j)表示在待插值时刻t第(i,j)个格网点的插值结果；D_t1、D_t2为时刻t分别与上、下相邻历元的时间差；D为与时刻t相邻的上、下历元的时段差，即D＝D_t1+D_t2；g_t1(i,j)、g_t2(i,j)分别表示与时刻t相邻上、下历元第(i,j)个格网点的对流层湿延迟值。

10.根据权利要求4所述的区域对流层湿延迟预报方法，其特征在于，所述机器学习模型为ConvLSTM网络模型，且其卷积核大小为3×3，损失函数为MSE，激活函数为ReLU，优化器为Adam。