[发明专利]基于历史数据的登陆台风特征因子的预报方法及系统在审

专利信息
申请号: 201410419598.8 申请日: 2014-08-22
公开(公告)号: CN104200081A 公开(公告)日: 2014-12-10
发明(设计)人: 高文胜;周瑞旭;张博文;符祥干;陈钦柱;黄松;梁亚峰 申请(专利权)人: 清华大学;海南电网公司
主分类号: G06F19/00 分类号: G06F19/00
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 张大威
地址: 100084 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 历史数据 登陆 台风 特征 因子 预报 方法 系统
【权利要求书】:

1.一种基于历史数据的登陆台风特征因子的预报方法,其特征在于,包括以下步骤:

根据台风登陆判断准则对划定区域的台风进行登陆判断;

如果所述台风的登陆概率大于预设阈值,则获取多个预报因子;

根据所述多个预报因子建立预报方程,其中,所述预报方程根据历史数据建立;

确定预报模式并获取相应观测点信息;以及

根据所述相应观测点信息、所述预报模式和所述预报方程进行预报。

2.如权利要求1所述的基于历史数据的登陆台风特征因子的预报方法,其特征在于,所述预报模式包括登陆预报模式和动态预报模式,其中,所述动态预报模块包括:

第一模式:利用登陆台风首次进入每个区域的观测点进行24小时和48小时预报;

第二模式:利用登陆台风进入每个区域的所有观测点进行24小时和48小时预报。

3.如权利要求1所述的基于历史数据的登陆台风特征因子的预报方法,其特征在于,所述根据所述多个预报因子建立预报方程具体包括:

筛选出历史登陆台风符合预定条件的观测点信息和登陆时的信息,运用PRESS准则及其逐步算法,筛选出预报每个特征因子的最佳预报因子集,并运用多元线性回归算法建立所述预报方程。

4.如权利要求3所述的基于历史数据的登陆台风特征因子的预报方法,其特征在于,所述多元线性回归算法为:

yi=β01xi12xi2+…+βpxipi

(i=1,2,…,n),

其中yi是估计值,β0~βp是回归系数,εi是随机误差,xi1~xip是第i个样本的p个预报因子值。

5.如权利要求3所述的基于历史数据的登陆台风特征因子的预报方法,其特征在于,所述观测点信息包括强度等级、纬度、经度、中心最低气压、风速和经纬度迁移速度,所述登陆时的信息包括纬度、经度、中心最低气压和风速。

6.一种基于历史数据的登陆台风特征因子的预报系统,其特征在于,包括:

判断模块,所述判断模块用于根据台风登陆判断准则对划定区域的台风进行登陆判断;

获取模块,所述获取模块用于在所述台风的登陆概率大于预设阈值时,获取多个预报因子;

方程建立模块,所述方程建立模块用于根据所述多个预报因子建立预报方程,其中,所述预报方程根据历史数据建立;

模式确定模块,所述模式确定模块用于确定预报模式并获取相应观测点信息;

预报模块,所述预报模块用于根据所述相应观测点信息、所述预报模式和所述预报方程进行预报。

7.如权利要求6所述的基于历史数据的登陆台风特征因子的预报系统,其特征在于,所述预报模式包括登陆预报模式和动态预报模式,其中,所述动态预报模式包括:

第一模式:利用登陆台风首次进入每个区域的观测点进行24小时和48小时预报;

第二模式:利用登陆台风进入每个区域的所有观测点进行24小时和48小时预报。

8.如权利要求6所述的基于历史数据的登陆台风特征因子的预报系统,其特征在于,所述方程建立模块用于筛选出历史登陆台风符合预定条件的观测点信息和登陆时的信息,运用PRESS准则及其逐步算法,筛选出预报每个特征因子的最佳预报因子集,并运用多元线性回归算法建立所述预报方程。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;海南电网公司;,未经清华大学;海南电网公司;许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201410419598.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top