[发明专利]基于数据分析的雨型区域划分方法和实时雨型预测方法

权利要求书

1.一种基于DTW的实时雨型预测方法，其特征在于，该方法包括，

获取预测降雨事件所在区域的雨型分区，

获取预测降雨事件的降雨数据，包括随时间变化的降雨量、预计降雨时长和已降雨时长，

构建预测降雨事件的实时过程降雨向量，

将预测降雨事件所在区域内各历史场雨事件的过程降雨向量作为模板，计算预测降雨事件实时过程降雨向量与各历史场雨事件过程降雨向量的前g过程的DTW_R(g,r)，g＝G*r/R，r为已降雨时长，R为预计降雨时长，将其中最小DTW所对应的历史场雨事件的雨型，实时预测为本场降雨事件的雨型，

实时获取预测降雨事件的降雨数据，重复上述构建实时过程降雨向量步骤和实时预测步骤，

其中所述获取预测降雨事件所在区域的雨型分区的步骤包括：

获取待分析区域内各观测站点历史降雨数据，根据降雨数据划分场雨事件，所述降雨数据包括随时间变化的降雨量和降雨时间；

构建雨型标准模板；

基于所述雨型标准模板，利用DTW算法确定每一场雨事件的雨型；

利用K-means聚类分析对各观测站点的场雨事件的雨型进行聚类分析，得到待分析区域的雨型分区图。

2.根据权利要求1所述的基于DTW的实时雨型预测方法，其特征在于，

基于所述雨型标准模板A，利用DTW算法确定每一场雨事件所属的雨型进一步包括，

构建雨型标准模板向量A_i

A_i＝{a₁，a₂，......，a_j}，i＝1,2,…,I；j＝1,2,…,J

式中：I取正整数，为雨型标准模板中雨型种类数，a_j代表每种雨型第j个阶段降雨量占总降雨量的比例，J取正整数，为每种雨型的阶段个数，

每一场雨事件的过程降雨向量表示为

T＝{t₁，t₂，......，t_g}，g＝1,2,……,G

式中：t_g代表第g个单位时长降雨量占总降雨量的比例，G为该场雨事件的时长，

计算每一场雨事件的过程降雨向量与I个标准模板向量的DTW_i(j,g)，其中最小DT所对应的雨型标准模板向量，为该场雨事件的雨型。

3.根据权利要求1所述的基于DTW的实时雨型预测方法，其特征在于，

利用K-means聚类分析对各观测站点的各场雨事件的雨型进行聚类分析，进一步包括，

基于待分析区域内各个观测站点的各场雨事件的雨型，得到该区域每个数据点m_p的第i种雨型场雨事件数占该数据点场雨事件总数百分比m_pi，p＝1,2,……,P，P取正整数，为待分析区域内数据点个数；

设置类别数k，随机选取k个数据点作为初始聚类中心B＝{b₁,b₂，......b_k}；

对每一数据点m_p，计算其到各个聚类中心的相似度，计算公式如下：

式中：b_ki表示第k个聚类中心第i种雨型场雨事件数占该数据点场雨事件总数百分比数据，

将各数据点m_p归类到与其相似度最大的聚类中心所属的类别中，

基于归类结果重新计算新的聚类中心；

当聚类中心的移动距离小于预设值时，停止聚类分析，得到待分析区域的雨型分区图。

4.根据权利要求3所述的基于DTW的实时雨型预测方法，其特征在于，该方法进一步包括

计算各观测站点每种雨型场雨事件数占该观测站点场雨事件总数的百分比，

对得到的数据进行空间插值，得到待分析区域各种雨型的占比分布图。

5.根据权利要求1所述的基于DTW的实时雨型预测方法，其特征在于，该方法进一步包括

针对得到的雨型分区图，分别统计每一雨型分区中各观测站点的各种雨型数量，

基于各雨型分区内的各雨型占比，定义各雨型分区的属性。