[发明专利]顾及时空异质性的基于极稀疏采样的高维比湿数据重建方法

权利要求书

1.一种顾及时空异质性的基于极稀疏采样的高维比湿数据重建方法，其特征在于：包括以下步骤：

步骤1：将原始高维比湿数据重组为多个子张量块记为原始的子张量块数据；

步骤2：将步骤1得到的每个子张量块Y_i视作一个整体，对每个子张量块Y_i依次进行S100～S400操作，完成高维比湿数据的重建；

S100：结合比湿数据在大气中的分布结构，对子张量块数据进行数据聚类，选取代表性样本，并以此构建掩膜张量；

S200：基于比湿数据分布结构，从不同尺度上提取每个子张量块数据上的特征分量；

S300：对S200提取的不同尺度上的特征分量集合进行显著性检验，筛选显著性分量并进行特征重构，得到特征重构数据；

S400：结合掩膜张量，将每个子张量块数据的特征重构数据和原始的子张量块数据分别进行加权求和。

2.根据权利要求1所述的一种顾及时空异质性的基于极稀疏采样的高维比湿数据重建方法，其特征在于：所述步骤1具体包括：

步骤1.1：将原始高维比湿数据组织成高阶张量，将高阶张量分割成多个维数大小相同的子张量块；

步骤1.2：通过时空异质性测度将局部相似的子张量块进行聚合，形成局部相似的子张量块。

3.根据权利要求2所述的一种顾及时空异质性的基于极稀疏采样的高维比湿数据重建方法，其特征在于：所述步骤1.1，具体包括：

将原始高维比湿数据组织成高阶张量；

将高阶张量基于属性值进行划分；

将高阶张量根据空间和时间维度进行分割；其中，时间维度的分割为以数据更新间隔进行分割，空间维度的分割为分割成具有相同大小的规则块。

4.根据权利要求2所述的一种顾及时空异质性的基于极稀疏采样的高维比湿数据重建方法，其特征在于：所述步骤1.2，具体包括：

假设分解得到的子张量块对于相邻的子张量块数据依据时空异质性测度进行高维相似度计算，得到相邻的子张量块数据之间的相似度：

ρ_i，i+1＝SC(X_i，X_i+1) (2)

将相邻的子张量块数据之间的相似度ρ_i，i+1与给定的相似度阈值δ进行比对：若ρ_i，i+1＞δ，则否则X_i＝Y_i，X_i+1＝Y_i+1。

5.根据权利要求1所述的一种顾及时空异质性的基于极稀疏采样的高维比湿数据重建方法，其特征在于：S100具体包括：

结合比湿数据在大气中的分布结构[min，mid]，(mid，max]，对于子张量块Y_i，将子张量块Y_i上的数据(Y_i)_pjk，其中，p，j，k分别代表子张量块Y_i在经度、维度、时间三个维度上的索引，根据其在整个大气数值分布中所处的不同的结构，赋予不同的权重：

且α+β＝1；

以此构建子张量块Y_i数据的权重系数集合；

对于上述构建的权重张量Weight((Y_i)_pjk)，构建掩膜张量

其中，(Q_i)_pjk表示掩膜张量Q′_p在位置(p，j，k)上的值。

6.根据权利要求1所述的一种顾及时空异质性的基于极稀疏采样的高维比湿数据重建方法，其特征在于：S200具体包括：

根据子张量块和掩膜张量，进行加权张量CP分解，得到：

其中，为分别在经度、纬度和时间维上的第r个特征，为未被捕获的数据信息，为第r个特征的权重系数集；*代表两个张量对应位置上的元素做标量乘运算，Q_i为掩膜张量。