[发明专利]一种基于自适应贝叶斯模型平均的降雨预测方法

说明书

本发明涉及一种基于自适应贝叶斯模型平均的降雨预测方法，属于气象数据分析方法技术领域。本发明首先收集地区气象观测数据生成气象数据库；然后，获取气象数据库，并对其中的数据进行数据清洗，提取出降雨数据；然后，将获取到的降雨数据存储到降雨数据库中；再获取降雨数据库中的数据，并导入到自适应降雨预测模型中进行处理；然后，将生成的预测模型概率导入到自适应自适应贝叶斯模型平均中进行处理；最后，将处理好的降雨预测值输出。本发明使用自适应降雨预测模型以及自适应自适应贝叶斯模型平均对降雨数据进行处理，提升降雨预测结果的准确性。

技术领域

本发明涉及一种基于自适应贝叶斯模型平均的降雨预测方法，属于气象数据分析方法技术领域。

背景技术

随着人类社会的不断进步，气象预报在人们的生产生活中起着越来越大的作用。利用地面的各类仪器和太空遥感观测，可以得到地球大气的观测数据，通过对这些观测数据进行处理与统计，可以得到对未来天气的预测。但由于气象预测拥有很强的季节性差异，尤其对于降雨的预测，会受到季节性周期的影响，导致预报的准确性下降，对人们生产生活造成影响。

发明内容

本发明要解决的技术问题是提供一种基于自适应贝叶斯模型平均的降雨预测方法，用以解决上述问题。

本发明的技术方案是：一种基于自适应贝叶斯模型平均的降雨预测方法，具体步骤为：

Step1：收集气象数据生成气象数据库；

Step2：获取气象数据库，并对其中的数据进行数据清洗，提取出降雨数据；

Step3：将Step2中获取到的降雨数据存储到降雨数据库中；

Step4：获取降雨数据库中的数据，并导入到自适应降雨预测模型中进行处理；

Step5：将Step4中生成的预测模型概率导入到自适应贝叶斯模型的平均模型中进行处理；

Step6：将Step5中处理好的降雨预测值输出。

所述步骤Step4中，自适应降雨预测模型的具体实施步骤是：

S1：建立用于预测降雨的时变动力学模型M＝{M₁，...，M_Nm}，其中N_m表示模型总数；

S2：让每个模型系数都以随机游走的形式演化；

S3：求出第k-1步D_k-1＝{z₁，...，z_k-1}的θ_k-1的后验估计；

S4：通过协方差矩阵∑_k|k-1给出预测模型系数的不确定性和相关结构；

S5：当降雨预测值为z_k时，通过最大化后验概率密度函数p(θ_klD_k)来更新模型系数。

所述步骤S1中，每个模型M_j都为符合yk＝C_kθ_k的线性回归模型，其中yk是第k步的降雨预测值；C_k是包含所提议的输入函数G_i(x_k-1)，i＝1，...，N_θ的行向量；x_k-1是解释输入变量(降雨值的历史参数)的向量；C_k的计算公式为：θ_k是第k步未知模型系数的参数向量，其计算公式为：

所述步骤S2中，随机游走的形式为：

θ_i，k＝θ_i，k-1+f_i，k-1