[发明专利]一种基于概率分布短时预报降水的方法及系统

摘要

本发明属于预报降水技术领域，公开了一种基于概率分布短时预报降水的方法及系统，所述基于概率分布短时预报降水的系统包括：云图采集模块、气象数据采集模块、数据传输模块、主控模块、降水概率生成模块、降水量估算模块、降水特征确定模块、数据显示模块。本发明通过降水量估算模块可以发挥多源数据的优势，获得精度更高更加置信的降雨量数据；同时，通过降水特征确定模利用雨量站的降雨量雨型特征矩阵以及时间特征矩阵，从时间和空间上来描述场次降雨的降雨量和暴雨中心的移动情况，从而利用数学矩阵，定量的刻画了降雨的时空分布特征，后续基于定量的描述场次降雨的数学矩阵，研究降雨的特征，从而提高了研究降雨特征的准确性和全面性。

主权项

1.一种基于概率分布短时预报降水的方法，其特征在于，所述基于概率分布短时预报降水的方法包括：第一步，采集地球云图数据、天气温度、湿度、风向、风速、气压数据信息；第二步，将采集的各种数据传递到监控中心；第三步，对采集的各种数据进行处理和储存，根据采集的各种数据，判断出降水的概率和降水量，确定降雨的特征，得出结果；根据采集的数据进行概率预报采用降水概率预报分类算法，具体过程如下：步骤一，计算先验概率；将气象站相应时间的降水样本分为无和有两类，它们的先验概率f₁和f₂分别为：式中n₁，n₂分别为是无雨和有雨的样本量；步骤二，计算条件概率，将样本中22个预报因子X＝[x₁，x₂，x₃，…，x₂₁，x₂₂])，采用下式进行标准化，公式为：式中，g＝1，2；μ_k·g，σ_k·g分别是第k个预报因子在g类样本中平均值和匀方差；假定各预报因子服从正态分布，计算22个预报因子在降水有、无中的条件概率r_k·1和r_k·2；步骤三，样本分类，在越样本集中，隨构建30个个体基因位串，每个个体中为“1”基因保持在4到6个，将个体基因位串，作为Bayes分类器的预报因子，依据下式建立判别方程组：将上述步骤得到的f₁，f₂，r_k·g分别代入得到判别值q₁和q₂，比较两者的大小，进而判别此次样本是否有降水发生，样本集中全部样本分类完毕；第四步，利用显示器显示采集的云图、气象、降水概率、降水量、降水特征数据信息。