[发明专利]一种基于统计动力的中长期降雨分级耦合预报方法及系统

权利要求书

1.一种基于统计动力的中长期降雨分级耦合预报方法，其特征在于，包括：

模型训练阶段：

搜集目标区域和全球尺度的历史水文气象数据，并建立涵盖统计学模型和动力学模型的中长期降雨预报模型库；所述中长期降雨预报模型库中每个降雨预报模型都用于预报预见期内任意一个时间段内的降雨量；

对于所述中长期降雨预报模型库中的每一个统计学模型，利用该模型根据所搜集的历史水文气象数据对不同历史时间段的降雨量进行预报，并通过聚类将预报结果划分为k个降雨量等级；对于所述中长期降雨预报模型库中的每一个动力学模型，利用该模型对不同历史时间段的降雨量进行预报，并通过聚类将预报结果划分为k个降雨量等级；其中，k≥1；

针对每一个降雨量等级，建立基于神经网络的耦合预报模型，用于耦合各降雨预报模型对于同一时间段的预报结果，作为相同时间段的最终预报结果；结合历史同期实测的降雨量，对各耦合预报模型进行训练，在训练完成后将各耦合预报模型作为各降雨量等级对应的中长期降雨耦合预报模型；

降雨预报阶段：

搜集所述目标区域和全球尺度的历史水文气象数据后，利用所述中长期降雨预报模型库中的各降雨预报模型分别预报目标时间段的降雨量，根据预报结果确定相应的降雨量等级，并选取对应的中长期降雨耦合预报模型耦合各预报结果，从而得到所述目标时间段内降雨量的最终预报结果。

2.如权利要求1所述的基于统计动力的中长期降雨分级耦合预报方法，其特征在于，对每一个降雨预报模型的预报结果都采用多种聚类算法进行聚类，并综合所有降雨预报模型对应的聚类结果确定每一个降雨预报模型对应的聚类结果，以使得不同降雨预报模型对同一时间段的降雨预报结果被划分到相同的降雨量等级，

对不同降雨预报模型的预报结果进行聚类时，保证对于同一时间段的降雨量预报结果被划分到相同的降雨量等级。

3.如权利要求1所述的基于统计动力的中长期降雨分级耦合预报方法，其特征在于，在任意时间段t的降雨量的最终预报结果为：

W_t^*＝f_i(W_t,1,W_t,2,…W_t,m,…W_t,M)；

其中，W_t,m为所述中长期降雨预报模型库中第m个降雨预报模型对时间段t的降雨预报结果，1≤m≤M，M为所述中长期降雨预报模型库中降雨预报模型的总数；i为各降雨预报模型对时间段t的降雨量预报结果所属的降雨量等级，f_i()为第i个降雨量等级对应的中长期降耦合预报模型。

4.如权利要求1-3任一项所述的基于统计动力的中长期降雨分级耦合预报方法，其特征在于，所述中长期降雨预报模型库中的降雨预报模型为：多元线性回归模型、随机森林模型、RegCM4模型和NCEP CFSv2；

其中，多元线性回归模型以多种大气-海洋-陆面过程物理因子为输入；随机森林以全球尺度下的多种大气-海洋-陆面遥相关因子为输入。

5.如权利要求4所述的基于统计动力的中长期降雨分级耦合预报方法，其特征在于，所述多元线性回归模型为：

W＝αA+βO+γL+ε；

其中，W为多元线性回归模型的预报结果，A为大气因子集，O为海洋因子集，L为陆面因子集，α为大气因子的回归系数，β为海洋因子的回归系数，γ为陆面因子的回归系数，ε为残差项。

6.如权利要求1-3任一项所述的基于统计动力的中长期降雨分级耦合预报方法，其特征在于，在搜集目标区域的历史水文气象数据后，还包括：

计算所搜集的历史水文气象数据中各大气-海洋-陆面过程物理因子与所述目标区域内历史同期实测的降雨量之间的相关系数，并筛选出其中相关系数最大的topK个物理因子作为预报因子；

利用降雨预报模型进行降雨预报时，仅利用筛选出的预报因子进行预报；

其中，topK为正整数。