[发明专利]一种结合支持向量机和交互式因子选取的降水降尺度方法

权利要求书

1.一种结合支持向量机和交互式因子选取的降水降尺度方法，其特征在于，包括以下步骤：

1)用偏相关系数法对大尺度气象因子进行初步筛选，得到m个初步选定的因子；

2)将降水数据分为率定期和检验期，分别用相关性最大的前1，……，k个因子，k≤m构建率定期的气象因子与降水状态的k个SVM模型，记为Occ_SVM_k；

3)使用Occ_SVM_k对率定期状态进行分类，并根据率定期状态分类结果得到关于最优因子组合的选择结果，并将选择结果返回到计算机；

4)利用步骤3)中选择的因子，以及对应的降水状态SVM模型，模拟检验期降水状态；

5)利用步骤3)中选择的因子，构建月份或季节分组与气象因子的SVM模型，记为group_SVM；

6)选定降水量分布函数，按月份或季节计算函数所需的参数；

7)利用group_SVM和步骤4)中得到的检验期降水状态，对检验期有雨日进行月份或季节分组；

8)按照检验期分组结果，根据选择的降水量分布函数，引用对应分组在率定期的参数，模拟各组数据对应的降水量；

所述的步骤1)具体为用偏相关系数法对大尺度气象因子进行初步筛选，包括以下步骤：

1.1)在计算前，首先将降水量和气象因子处理成在[0，1]范围内的数值序列：

其中M^*为处理后的序列，M为处理前的序列，max(M)为因子序列最大值，min(M)为因子序列最小值；

1.2)处理后的降水量序列记为Y，气象因子序列记为X₁～X_n；采用残差法计算降水量与气象因子的偏相关系数：记利用最小二乘法得到降水的回归方程为：

Y^*＝b′₀+b′₁X₁+b′₂X₂+…+b′_nX_n (II)

其中Y^*是回归方程得到的降水，b′₀，......，b′_n为回归方程的待定系数；

而Y关于X₁～X_n的残差为：

L_y·123...n＝Y-b′₁X₁-b′₂X₂-…-b′_nX_n (III)

其中下角标y表示降水序列，1～n分别表示n个因子序列；

则降水量Y与气象因子X_i在其余因子控制下的偏相关系数为：

即等于残差L_{y·1...(i-1)(i+1)...n}与L_{i·1...(i-1)(i+1)...n}的相关系数；ρ_{yi·1...i-1，i+1...n}表示Y与因子X_i在其余因子控制下的偏相关系数；

1.3)将降水数据分为率定期和检验期，在i＝1，2...，n时，依次计算率定期的降水量Y与气象因子X_i，在其余因子的控制下的偏相关系数；

所述的步骤2)具体为：判断在初步选择的因子中，使用多少个因子模拟降水状态，采用如下做法：

2.1)使用者根据偏相关系数大小，初步判断构建降水状态SVM模型的最大因子个数m，0mn；

2.2)分别用偏相关系数绝对值最大的前1，……，k个因子，k≤m，用Matlab8.5函数库中的fitcsvm函数进行有雨和无雨两组的低维支持向量机训练，核函数选择RBF，构建率定期的气象因子与降水状态的k个SVM模型，记为Occ_SVM_k；

所述的步骤3)具体为用matlab8.5函数库中的predict函数，分别使用Occ_SVM_k对率定期降水状态进行分类，并根据分类结果与实际值的对比，计算四种评价指标：

其中NA、NB、NC、ND的含义分别为：观测值为有雨时模拟值也有雨、观测值为无雨时模拟值为有雨、观测值为有雨时模拟值为无雨、观测值为无雨时模拟值也为无雨的次数；

根据指标二次选定最优因子组合，并将选择结果返回到计算机；

所述的步骤4)选定了最优因子组合，则利用检验期的因子以及训练好的Occ_SVM_k，调用matlab8.5函数库中的predict函数生成检验期降水状态。