[发明专利]降雨量异常检测方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了降雨量异常检测方法、装置、计算机设备及存储介质。方法包括：当某个时间段内的降雨量不存在异质性与自相关性时，采用经典显著性测试检测降雨量是否存在显著差异，筛选出异常值；当某个时间段内的降雨量存在异质性但不存在自相关性，对降雨量进行稀疏和密集划分，以得到两组数据；计算全局莫兰指数；判断全局莫兰指数是否显著；若不显著，则采用经典显著性测试检测降雨量是否存在显著差异，筛选出异常值；若显著，则对两组数据计算局部莫兰指数；当小于预设值时，挑选出异常值；当降雨量不存在异质性但存在自相关性时，对降雨量计算全局莫兰指数，判断全局莫兰指数是否显著。通过实施本发明实施例的方法可准确挑选出降雨量异常值。

技术领域

本发明涉及降雨量检测方法，更具体地说是指降雨量异常检测方法、装置、计算机设备及存储介质。

背景技术

在进行地灾预警时，降雨数据的精确度对于准确预测滑坡的发生概率起着极为重要的作用，当前研究单元的降雨是通过对区域内的雨量站降雨进行插值得到的，当雨量站本身提供的降雨存在异常值时，会增大降雨插值的误差。

观察到某个小时2021061908的降雨分布：1000个站点中有30多个站点发生降雨0.1-9.2mm不等，其余皆为0，初判为正常数据。经计算，全局莫兰指数为0.42，说明该小时的降雨呈正相关，即降雨较大的临近几个站点大多降雨也较大，降雨较小的临近几个站点大多降雨也较小；但莫兰指数显著性检验p-value为0.01，小于0.05，即全局莫兰指数呈显著有效，即其局部可能出现异常状况，故对其进行局部莫兰指数计算，结果有若干个站点的局部莫兰指数p值小于0.05。经查看站点雨量分布图，该若干个站点呈现如下特点：小范围内周围站点皆有(无)降雨，但有一两个站点无(有)降雨，无(有)降雨站点p值呈现小于0.05。

考虑到气象站点分布属人为设定，它不同于省与省之间有邻边，其可按欧氏距离计算，而气象站点的分布因经济、地理、气象等因素，建造的位置有相对稀疏的也有相对密集的，较稀疏的站点所跨越的距离较远，中间地带若有降雨也会因没有气象站而无法显示，因此气象站降雨量未必与临近站点相关性就最高，故一律采用欧氏距离未必科学。

由此可见，现有对于降雨量异常值的检测存在未能挑选出异常值的问题，降雨量异常检测的准确率不高。

因此，有必要设计一种新的方法，实现可准确地挑选出降雨量的异常值。

发明内容

本发明的目的在于克服现有技术的缺陷，提供降雨量异常检测方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：降雨量异常检测方法，包括：

当某个时间段内的降雨量不存在异质性与自相关性时，采用经典显著性测试检测所述降雨量是否存在显著差异，且当所述降雨量存在显著差异时，筛选出异常值；

当某个时间段内的降雨量存在异质性但不存在自相关性时，对所述降雨量进行稀疏和密集划分，以得到两组数据；

对两组数据计算全局莫兰指数；

判断所述全局莫兰指数是否显著；

若所述全局莫兰指数不显著，则采用经典显著性测试检测所述降雨量是否存在显著差异，且当所述降雨量存在显著差异时，筛选出异常值；

若所述全局莫兰指数显著，则对两组数据计算局部莫兰指数；

当所述局部莫兰指数小于预设值时，根据所述局部莫兰指数挑选出异常值；

当某个时间段内的降雨量不存在异质性但存在自相关性时，对所述降雨量计算全局莫兰指数，并执行所述判断所述全局莫兰指数是否显著。

其进一步技术方案为：所述当某个时间段内的降雨量存在异质性但不存在自相关性时，对所述降雨量进行稀疏和密集划分，以得到两组数据，包括：