[发明专利]一种降水时空预测方法及电子设备

说明书

本申请公开了一种降水时空预测方法及电子设备。该方法包括：获取降水观测数据、获取降水空间预报因子、获取时空变异参数的先验分布；根据降水观测数据和降水空间预报因子，建立广义线性回归模型；构建高斯过程模型；根据广义线性回归模型、高斯过程模型以及时空变异参数的先验分布，构建贝叶斯层次模型，确定空间点降水量在观测条件下的后验概率分布形式；根据后验概率分布形式，确定空间点降水量预测结果。本申请通过将能反映空间变化的降水空间预报因子和时空变异参数融入广义线性回归模型中，并利用离散的降水观测站点的降水观测数据，构建贝叶斯层次模型，能够有效表征降水时间动态变化，反映降水相关参数空间变异过程。

技术领域

本发明涉及降水时空预测领域，特别是涉及一种降水时空预测方法及电子设备。

背景技术

降水的空间分布特征是影响径流模拟及一系列其他水文问题的主要控制因素。其中，径流过程模拟的不确定性主要来源于不确定性的降水输入，而洪水预测最敏感的因素就是降水的空间变化。然而，离散的雨量站点观测难以充分认识降水的时空分布特征，需要稳健的空间插值技术利用已知的数据来获取分布式的降水数据，支撑区域水文、水资源分析以及水资源的高效利用与管理。同时，通过插值预测的高分辨率空间降水场可以帮助识别发生洪水和山洪的局部高强度降水，有利于及时发布预警信息，并通过落实应急举措规避洪涝灾害的风险。此外，空间化的降水信息对于生态环境保护与治理也具有十分重要的意义。

目前，空间插值方法分类有很多种，可以概括为确定性和地理统计的插值方法，而每种插值方法都有相应的适用条件。确定性方法中最具代表性的是反距离权重法和泰森多边形法，这类模型方法对降水的空间变化通常采用均化处理方式，其在一定条件下对局部区域内降水插值具有良好的效果，但由于忽略了降水的随机性和空间相关性，难以客观反映降水的空间分布不均匀性。地理统计的插值方法则不仅考虑对象的空间相关性和依赖性，还考虑对象的统计特性。

但是，日和小时尺度的降水量存在“零值”较多的现象，使得小时和日降水的空间插值具有较大的困难，静态的插值方法难以反映降水的时序动态特征和依赖关系。

发明内容

本申请提供一种降水时空预测方法及电子设备，既能有效表征降水时间动态变化，又能反映降水相关参数空间变异过程，获得可靠的降水预测结果。

第一方面，本发明实施例提供了一种降水时空预测方法，包括：

获取降水观测数据、获取降水空间预报因子、获取时空变异参数的先验分布；

根据所述降水观测数据和所述降水空间预报因子，建立广义线性回归模型；

构建高斯过程模型；

根据所述广义线性回归模型、所述高斯过程模型以及所述时空变异参数的先验分布，构建贝叶斯层次模型，确定空间点降水量在观测条件下的后验概率分布形式；

根据所述后验概率分布形式，确定空间点降水量预测结果。

在一些实施例中，所述方法还包括：处理降水观测数据，得到处理后的降水观测数据，具体包括：

使用Box-Cox降水转换方法处理所述降水观测数据，用最大似然法估计最优变换参数λ，得到处理后的降水观测数据，所述Box-Cox降水转换方法，包括：

其中，s_i为空间位置，t为时刻，λ为变换参数，Z(s_i,t)为t时刻在空间位置s_i的降水观测数据，t∈[1,T],1≤i≤n，n为降水观测站点数目。

在一些实施例中，所述方法还包括：筛选出具有显著相关性的降水空间预报因子，具体包括：

通过假设检验的方法，计算所述降水空间预报因子与所述降水观测数据具有显著相关性的概率值；