[发明专利]一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法

摘要

本发明公开了一种基于PSR‑FastICA‑OS_ELM的自动气象站实时数据质量控制方法，该方法，首先对单站实时气温及定长历史气温序列进行采集，构成采集信号；然后对采集信号进行基本质量控制；接着进行相空间重构；并对重构的高维矢量空间信号进行快速独立分量分析，达到去噪、去冗余的目的，得到源信号在高维矢量空间中的无偏信号；最后，通过在线序贯极限学习机构建时间序列采集信号的重建模型，得到去噪后的气温重建值；并根据此去噪重建值与实际观测值比较进行条件修正，完成对该时刻气温的质量控制。该方法满足了实时数据采集的要求，提高了实时自动气象站观测数据的质量。

主权项

一种基于PSR‑FastICA‑OS_ELM的自动气象站实时数据质量控制方法，其特征在于：包括以下步骤：步骤1：采集被检站被检t时刻气温tep(t)，即实际观测值，及t时刻前某一长度的小时数据构成气温时间采样信号{x(t′)|t′＝1,2,…,n}，其中t为实时采样时间，t′为历史采样时间，两者满足关系t′＝t‑n+1，n为历史采样时间的长度；步骤2：对历史气温序列信号{x(t′)|t′＝1,2,…,n}进行基本质量控制，得到基本控制后的数据步骤3：根据公式对基本质量控制后的数据进行相空间重构，得到N(N＝n‑(m‑1)τ)个维数为m的矢量信号其中，m、τ为相空间重构参数嵌入维数和时间延迟；步骤4：根据独立分量分析，步骤3得到的高维矢量信号包括源信号真实信息部分和噪声信息部分，即ICA混叠模型其中，为步骤3中得到的高维矢量信号，即混叠信号；A为未知混合矩阵；为理想的相互独立、无污染的高维矢量信号；ni为噪声项；根据ICA解混模型求取源信号真实部分的无偏估计值其中为基于某一目标函数的最优解叠矩阵W下的源信号的估计信号；运用FastICA算法的基于负熵非高斯性最大化原理求解解叠矩阵W，得到去噪、独立统计高维信号步骤5：根据步骤4中FastICA分析所得高维矢量信号与步骤2中经基本质量控制后的历史采样信号按照高维矢量信号与对应时刻的历史采样信号的原则，构建OS_ELM样本集，即其中，训练集、测试集为前(N‑1)个；经过训练、测试得到在被检t时刻、在历史高维信号下的气温tep(t)重建模型，即步骤6：在步骤5中得到的OS_ELM模型中输入得到被检时刻气温的重建值即完成去噪后气温的重建；步骤7：将t时刻去噪重建气温值与采样值tep(t)进行比较，若两者差值绝对值在某一阈值δ内，即则通过质量检测，否则认为该观测数据可疑，用去噪重构值修正实际观测值，即步骤8：令t＝t+1，重复步骤1到步骤7，完成对历史观测气温高维去噪、实时气温重建及疑误修正的质量控制过程。