[发明专利]基于天气类型有效识别和组合预测的直散分离建模方法

摘要

本发明涉及一种基于天气类型有效识别和组合预测的直散分离建模方法，Sandia方法考虑了气象要素的综合变化特征，挑选出长序列气象数据中具有气候特征代表性的典型年资料，使直散分离模型的研究和分析结果更具有典型性和说服力；依据修正后的清晰度指数进行天气类型的划分；每种天气类型下的最优经典小时模型选定后进行本地化修正，得到适用于所有天气类型的本地组合预测模型；通过偏相关分析剔除一部分对散射比影响较小的因子，再通过主成分分析提取主成分建立线性模型，有效提取原有数据携带的隐含信息；从每种天气类型下的线性模型和本地化模型中选择该种天气类型下的最优模型，再进行组合得到组合预测模型进行天气预测。提高预测结果准确度。

主权项

1.一种基于天气类型有效识别和组合预测的直散分离建模方法，其特征在于，具体包括如下步骤：1)收集整理数据，并对数据进行样本筛选和数据质量检查，根据Sandia法对北京地区多年气象、辐射数据选取典型气象月组成典型气象年；2)为了降低太阳高度角对清晰度指数的影响，对天气类型中清晰度指数进行修正，依据修正后的清晰度指数k′_T进行天气类型的划分；根据日出、日落时角，对北京地区总样本日照时间内的小时辐射数据进行筛选，计算散射比，并将其作为散射比的实测值，选取三种典型直散分离模型计算水平面上散射辐照度与水平面上太阳总辐照度比值作为预测值，选用平均绝对百分比误差、相对均方根误差及相关系数作为评估模型预测效果的指标，分别计算并选取每种天气类型下误差较小、相关系数大的模型为对应天气类型下的最优经典小时模型；其中修正后清晰度指数其中k_T是修正前的清晰度指数；m是大气质量；3)对步骤2)得到的每种天气类型下的最优经典小时模型进行本地化修正，再根据本地每类天气所占本地总样本的比例得到该种天气类型下最优模型的权重，最终得到适用于所有天气类型的本地组合预测模型；4)在每种天气类型下，对与散射比相关的各种气象环境影响因子分别进行偏相关分析，并根据主成分分析对偏相关强的因子进行主成分选取，利用选取的主成分建立线性模型；5)在每种天气类型下，将线性模型和本地化修正后的最优经典小时模型做比较选择对应最优模型；6)对步骤5)选择的最优模型，根据不同天气类型在总样本中的占比情况，确定每种天气类型模型的权重系数，得到该地区的最终预测模型。