[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

说明书

本发明涉及一种基于数据分析的雨型区域划分方法。该方法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。本发明进一步提供一种基于DTW的实时雨型预测方法。本发明通过深入挖掘气象站点的观测降雨数据，研究区域降雨的雨型规律，对于洪涝灾害预警和减灾措施制订有重要意义。

技术领域

本发明涉及防洪减灾中降雨规律研究技术领域，更具体地，本发明涉及基于数据分析的雨型区域划分方法和实时雨型预测方法。

背景技术

降雨规律研究对于防洪减灾有着重要作用。采用什么指标可以更客观准确地描述降雨特征，是气象灾害领域长期关注的问题。目前我国的气象标准中，暴雨定级指标通常按24h总降雨量定级，其降雨量的计算以20-20时刻统计，即当日20时到次日20时累计降雨量。但是对于各类降雨触发的洪水、滑坡、山洪泥石流灾害事件而言，往往是一场雨造成的，这场雨有可能是1～2h的强降雨，也可能是数天的连绵细雨，因此，“场雨”对于自然灾害研究言更具意义。

雨型是研究降雨过程的主要方法之一。早在20世纪40年代，苏联包高马佐娃等就对乌克兰等地的降雨资料进行统计分析，划分了7种雨型。在此基础上，岑国平根据国内降雨过程的分析，归纳了7种模式的降雨。Knifer等人则提出了降雨峰值时刻的统计方法和计算峰值前后的瞬时暴雨强度的芝加哥雨型公式，并应用于雨型分类。Huff等让将降雨过程等分为4个阶段，根据峰值出现在第几个阶段可以划分不同类型的降雨。1975年Pilgrim等人基于数理统计原理提出了推求暴雨雨型的级序平均法。在国内，张兴奇等人在Huff雨型曲线的基础上按照累计降雨量随时间的变化将贵州省毕节市的降雨划分成前期型、中期型、后期型以及均匀型。殷水清等结合Huff雨型曲线和岑国平的7种雨型定义，利用中国14个气象站点资料进行雨型特征研究。银磊等采用模糊识别法，以龙溪水闸站数据为代表，进行了广州市24h暴雨过程的雨型分类与统计结果。

上述文献一方面受限于观测站点的不完备，另一方面受限于计算机技术的限制，都仅基于部分代表性站点数据开展的研究，所涉及的数据量至多为数十个站点的日观测数据。随着我国气象观测体系的完善，观测站点逐渐增加，所获取的气象数据日益庞大，以河北省为例，气象观测可用站点已经从20余个增加至3189个，数据由日降水数据变为小时降水数据，符合大数据的5V特点，即数据量大，种类和来源多元化、数据价值密度相对较低，数据增长速度快，数据具有准确性和可信赖度，传统的只针对个别数据进行趋势回归分析的方法，已不再适用。

发明内容

本发明的目的在于在大数据形势下，提供一种基于数据分析的区域降雨规律研究方法。

根据本发明的一个方面，提供一种基于数据分析的雨型区域划分方法，该方法包括

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A；

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。

优选地，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