[发明专利]天气形势的分型方法、空气污染状况的预测方法及装置

权利要求书

1.一种天气形势的分型方法，其特征在于，包括：

从历史气象数据中选取分型区域的分型因子，作为待聚类数据；

对所述待聚类数据进行滤波；

对滤波后的待聚类数据进行聚类，建立分型模型；

迭代更新所述分型模型；

利用更新完成的分型模型对预报天气形势进行分型；

所述迭代更新所述分型模型，包括：

A)重新计算每个样本与各聚类中心的列距离、行距离和整体距离；

B)计算每个样本与各聚类中心的列距离相关系数、行距离相关系数和整体距离的相关系数；

C)增加所述行距离、所述列距离、所述行距离相关系数和所述列距离相关系数所占的权重，计算每个样本与各聚类中心的相似度度量；

D)根据所述相似度度量将每个样本进行重新分簇；

E)计算重新分簇后的各簇的聚类中心；

重复步骤A)至步骤E)，直到聚类中心不再变化，聚类结束，得到优化完成的分型模型。

2.根据权利要求1所述的方法，其特征在于，所述从历史气象数据中选取分型因子包括：从历史气象数据中选取每日若干时次的高度场、海平面气压场作为分型因子。

3.根据权利要求1所述的方法，其特征在于，所述对所述待聚类数据进行滤波，包括：通过高斯滤波法对所述待聚类数据进行平滑，去除日变化，得到滤波后的待聚类数据。

4.根据权利要求1所述的方法，其特征在于，所述对滤波后的待聚类数据进行聚类，建立分型模型，包括：

计算所述滤波后的待聚类数据中的每个样本与其他样本之间的距离；

根据所述距离找出各个样本的相似样本；

找出具有最多相似样本的中心样本，由所述中心样本及其所有相似样本组成一个簇，从而完成第一次分簇；

继续对剩余的样本进行分簇，直至获取初始若干个聚类中心；

计算各个所述簇的聚类中心，得到一组初始聚类中心，由所述初始聚类中心构成分型模型；其中，每一所述聚类中心对应一种天气型。

5.根据权利要求1所述的方法，其特征在于，所述利用更新完成的分型模型对预报天气形势进行分型，包括：

依据预报区域未来若干天的气象场，提取高度场、海平面气压场数据，插值到分型区域的经纬线网格点上；

将插值后得到的分型区域的分型因子输入所述优化完成的分型模型中，得到未来若干天的天气形势分型结果。

6.一种空气污染状况的预测方法，其特征在于，包括权利要求1-5中的任一项所述的方法；以及

根据所述优化完成的分型模型与历史空气污染数据，确定天气型与空气污染状况之间的关联关系；

根据未来的天气形势分型结果和所述关联关系，预测未来若干天的空气污染状况。

7.根据权利要求6所述的方法，其特征在于，所述空气污染状况包括首要污染物和污染等级。

8.一种天气形势的分型装置，其特征在于，包括：

选择模块，用于从历史气象数据中选取分型区域的分型因子，作为待聚类数据；

滤波模块，用于对所述待聚类数据进行滤波；

聚类模块，用于对滤波后的待聚类数据进行聚类，建立分型模型；

优化模块，用于迭代更新所述分型模型；

分型模块，用于利用更新完成的分型模型对预报天气形势进行分型；

所述优化模块进一步用于：

A)重新计算每个样本与各聚类中心的列距离、行距离和整体距离；

B)计算每个样本与各聚类中心的列距离相关系数、行距离相关系数和整体距离的相关系数；

C)增加所述行距离、所述列距离、所述行距离相关系数和所述列距离相关系数所占的权重，计算每个样本与各聚类中心的相似度度量；

D)根据所述相似度度量将每个样本进行重新分簇；

E)计算重新分簇后的各簇的聚类中心；

重复步骤A)至步骤E)，直到聚类中心不再变化，聚类结束，得到优化完成的分型模型。