一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法及裝置制造方法
【專利摘要】本發(fā)明提供了一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法及裝置，本方法中預(yù)先構(gòu)建預(yù)設(shè)模型數(shù)據(jù)庫(kù)，預(yù)設(shè)模型數(shù)據(jù)庫(kù)是依據(jù)多站點(diǎn)多參數(shù)的歷史氣象數(shù)據(jù)進(jìn)行主成分分析并對(duì)生成的每個(gè)主成分序列進(jìn)行分頻獲得多個(gè)本征模態(tài)函數(shù)序列、然后對(duì)每個(gè)本征模態(tài)函數(shù)序列進(jìn)行分段形成綴片，并對(duì)每個(gè)綴片進(jìn)行模擬后得到的，所以預(yù)設(shè)模型數(shù)據(jù)庫(kù)均能夠融合歷史氣象數(shù)據(jù)的多個(gè)參數(shù)，并能夠代表歷史氣象數(shù)據(jù)的規(guī)律。將所需仿真的目標(biāo)時(shí)間段和太陽(yáng)高度角集輸入至預(yù)設(shè)模型數(shù)據(jù)庫(kù)中，預(yù)設(shè)模型數(shù)據(jù)庫(kù)根據(jù)自身已有的歷史氣象數(shù)據(jù)規(guī)律進(jìn)行仿真，得到仿真的多站點(diǎn)多參數(shù)氣象矩陣。本發(fā)明能夠合理評(píng)估未來(lái)氣象場(chǎng)，為環(huán)境風(fēng)險(xiǎn)分析學(xué)科提供技術(shù)支撐，使得評(píng)估某種合理的極端情景成為可能。
【專利說(shuō)明】一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及環(huán)境風(fēng)險(xiǎn)分析領(lǐng)域，尤其涉及一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法及裝 置。

【背景技術(shù)】
[0002] 環(huán)境是一個(gè)系統(tǒng)，對(duì)于污染物在環(huán)境迀移轉(zhuǎn)化的過(guò)程而言，氣象場(chǎng)是驅(qū)動(dòng)該過(guò)程 的驅(qū)動(dòng)力。氣象場(chǎng)的變化會(huì)加速（強(qiáng)化）或減緩（弱化）污染物的環(huán)境行為。氣象場(chǎng)指的 是空間各位置上多種氣象參數(shù)的時(shí)間演變，具有鮮明的多參數(shù)系統(tǒng)動(dòng)力學(xué)特征。例如，大氣 污染物擴(kuò)散過(guò)程中，在不同時(shí)間段的氣壓、風(fēng)速、風(fēng)向、降水、太陽(yáng)輻射等地面氣象參數(shù)，以 及不同時(shí)間段的風(fēng)速、風(fēng)向、溫度、高度等若干高層氣象參數(shù)都會(huì)污染源的擴(kuò)散產(chǎn)生影響， 將以上參數(shù)簡(jiǎn)稱時(shí)間參數(shù)和空間參數(shù)，因此在評(píng)估污染源經(jīng)由大氣擴(kuò)散導(dǎo)致的環(huán)境風(fēng)險(xiǎn) 時(shí)，需要依賴氣象場(chǎng)的空間特征和時(shí)間特征，即多參數(shù)時(shí)空氣象場(chǎng)。
[0003] 現(xiàn)有在環(huán)境風(fēng)險(xiǎn)分析中經(jīng)常使用的方法為歷史氣象場(chǎng)截取法：從多參數(shù)時(shí)空氣象 場(chǎng)的歷史觀測(cè)記錄中抽取若干片段作為環(huán)境風(fēng)險(xiǎn)評(píng)估所用的情景，假設(shè)區(qū)域時(shí)空氣象場(chǎng)的 歷史記錄完全代表了該區(qū)域時(shí)空氣象場(chǎng)的變動(dòng)性。因此，每個(gè)從中截取的片段都"適當(dāng)"的 代表了未來(lái)可能出現(xiàn)的氣象場(chǎng)片段；即采用歷史觀測(cè)記錄作為未來(lái)氣象場(chǎng)。
[0004] 有研宄采取了一種改進(jìn)的歷史氣象場(chǎng)截取法，在總結(jié)某特定氣象參數(shù)，如降水強(qiáng) 度歷史變化規(guī)律基礎(chǔ)上，合理估計(jì)特定氣象參數(shù)在未來(lái)可能的變化一一如均值變化或方差 變化或自相關(guān)系數(shù)變化，在對(duì)該特定氣象參數(shù)進(jìn)行模擬預(yù)測(cè)基礎(chǔ)上，將該特定氣象參數(shù)的 預(yù)測(cè)值代替歷史氣象參數(shù)，作為未來(lái)情景中的數(shù)值，這種方法可稱之為單氣象參數(shù)時(shí)空模 擬法。
[0005] 但單氣象參數(shù)時(shí)空模擬法為降水、氣溫等單參數(shù)的時(shí)空模擬，而不是多參數(shù)時(shí)空 氣象場(chǎng)模擬，因?yàn)樵摲椒ㄎ纯紤]多參數(shù)時(shí)空變化的協(xié)同效果，如果簡(jiǎn)單將單參數(shù)模擬結(jié)果 相互疊加，則可能產(chǎn)生違反物理運(yùn)動(dòng)規(guī)律的"偽氣象場(chǎng)"。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明提供了一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法及裝置，能夠依據(jù)歷史數(shù)據(jù)合理評(píng) 估未來(lái)氣象場(chǎng)，為環(huán)境風(fēng)險(xiǎn)分析學(xué)科提供技術(shù)支撐，使得評(píng)估某種合理的極端情景成為可 能。
[0007] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供了以下技術(shù)手段：
[0008] 一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法，包括：
[0009] 獲取目標(biāo)時(shí)間段和太陽(yáng)高度角集，所述太陽(yáng)高度角集中每個(gè)太陽(yáng)高度角與所述目 標(biāo)時(shí)間段內(nèi)每個(gè)時(shí)刻 對(duì)應(yīng)；
[0010] 將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集、輸入至預(yù)設(shè)模型數(shù)據(jù)庫(kù)的每個(gè)本征模態(tài) 函數(shù)序列的綴片模型集內(nèi)，獲得每個(gè)本征模態(tài)函數(shù)序列的仿真綴片集，在每個(gè)仿真綴片集 內(nèi)確認(rèn)適合的多個(gè)仿真綴片，將適合的多個(gè)仿真綴片連綴得到一個(gè)本征模態(tài)函數(shù)序列的仿 真序列，將一個(gè)主成分序列所含的所有本征模態(tài)函數(shù)序列的仿真序列以及白噪聲疊加得到 一個(gè)主成分序列的仿真序列；所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)包含多個(gè)綴片模型集，每個(gè)綴片模型集 內(nèi)具有多個(gè)綴片模型，且每個(gè)綴片模型集與一個(gè)本征模態(tài)函數(shù)序列對(duì)應(yīng)，每個(gè)本征模態(tài)函 數(shù)序列為對(duì)多參數(shù)歷史氣象數(shù)據(jù)進(jìn)行主成分分析獲得每個(gè)主成分序列后、對(duì)每個(gè)主成分序 列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到的多個(gè)本征模態(tài)函數(shù)序列中的一個(gè)；
[0011] 按上述步驟在所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)中獲得多個(gè)主成分序列的仿真序列；
[0012] 對(duì)所述多個(gè)主成分序列的仿真序列進(jìn)行主成分逆變換得到仿真后的標(biāo)準(zhǔn)氣象矩 陣；
[0013] 對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行反Z變換獲得仿真的氣象數(shù)據(jù)矩陣。
[0014] 優(yōu)選的，所述在每個(gè)仿真綴片集內(nèi)確認(rèn)適合的多個(gè)仿真綴片包括：
[0015] 針對(duì)每個(gè)本征模態(tài)函數(shù)序列的仿真綴片集中每個(gè)仿真綴片，判斷是否滿足以下三 個(gè)條件：仿真綴片的主導(dǎo)頻率與該本征模態(tài)函數(shù)序列的主導(dǎo)頻率近似相等、仿真綴片的幅 值與該本征模態(tài)函數(shù)序列的幅值近似相等且仿真綴片的相位與前一仿真綴片的尾端相位 相容；
[0016] 若上述三個(gè)條件均滿足則確認(rèn)該仿真綴片合適。
[0017] 優(yōu)選的，構(gòu)建所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)的過(guò)程包括：
[0018] 獲取目標(biāo)區(qū)域內(nèi)若干個(gè)地面氣象站和若干個(gè)高空氣象站在若干年內(nèi)不同時(shí)刻的 多參數(shù)氣象數(shù)據(jù)，并構(gòu)成一個(gè)以時(shí)刻為行、所述氣象數(shù)據(jù)為列的氣象矩陣，對(duì)所述氣象矩陣 進(jìn)行Z變換獲得標(biāo)準(zhǔn)氣象矩陣；
[0019] 對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行主成分分析獲得多個(gè)主成分向量和與每個(gè)主成分對(duì)應(yīng) 的主成分序列，多個(gè)主成分向量組成的矩陣為主成分矩陣；
[0020] 對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得多個(gè)本征模態(tài)函數(shù)序列；
[0021] 對(duì)每個(gè)本征模態(tài)函數(shù)序列分段獲得多個(gè)綴片，利用狀態(tài)子空間線性系統(tǒng)模型對(duì)每 個(gè)綴片進(jìn)行模擬，獲得每個(gè)綴片的綴片模型；
[0022] 將同一個(gè)本征模態(tài)函數(shù)序列的多個(gè)綴片模型作為一個(gè)綴片模型集；
[0023] 與每個(gè)主成分序列的多個(gè)本征模態(tài)函數(shù)序列--對(duì)應(yīng)的多個(gè)綴片模型集組成預(yù) 設(shè)模型數(shù)據(jù)庫(kù)。
[0024] 優(yōu)選的，在對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解之前還包括：
[0025] 對(duì)每個(gè)主成分序列利用狀態(tài)子空間線性系統(tǒng)模型進(jìn)行模擬，得到每個(gè)主成分序列 的子空間模型，若某一個(gè)或多個(gè)主成分序列的子空間模型的模擬結(jié)果小于允許誤差則表明 與該模型對(duì)應(yīng)的主成分序列建模成功；
[0026] 對(duì)未建模成功的每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解。
[0027] 優(yōu)選的，還包括：
[0028] 將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集輸入至建模成功的一個(gè)或多個(gè)子空間模 型；
[0029] 將一個(gè)或多個(gè)子空間模型的輸出結(jié)果作為對(duì)應(yīng)的一個(gè)或多個(gè)主成分序列。
[0030] 優(yōu)選的，所述對(duì)每個(gè)本征模態(tài)函數(shù)序列分段獲得多個(gè)綴片，利用狀態(tài)子空間線性 系統(tǒng)模型對(duì)每個(gè)綴片進(jìn)行模擬，獲得每個(gè)綴片的綴片模型包括：
[0031] 通過(guò)頻率分析在每個(gè)本征模態(tài)函數(shù)序列中獲取一個(gè)主導(dǎo)頻率，并計(jì)算得到主導(dǎo)頻 率所對(duì)應(yīng)的周期；
[0032] 以所述每個(gè)本征模態(tài)函數(shù)的周期的預(yù)設(shè)倍數(shù)為綴片長(zhǎng)度，以所述周期的預(yù)設(shè)數(shù)量 分之一為移動(dòng)步長(zhǎng)，按所述綴片長(zhǎng)度和所述移動(dòng)步長(zhǎng)截取每個(gè)本征模態(tài)函數(shù)序列，獲得每 個(gè)本征模態(tài)函數(shù)序列的多個(gè)綴片；
[0033] 利用狀態(tài)子空間線性系統(tǒng)模型對(duì)每個(gè)本征模態(tài)函數(shù)序列的每個(gè)綴片進(jìn)行模擬，獲 得每個(gè)本征模態(tài)函數(shù)序列中與每個(gè)綴片對(duì)應(yīng)的綴片模型。
[0034] 優(yōu)選的，對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行主成分分析獲得多個(gè)主成分序列包括：
[0035] 對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行主成分分析得到若干個(gè)主成分序列；
[0036] 在若干個(gè)主成分序列中選取荷載系數(shù)大于1，累計(jì)方差解釋率達(dá)到預(yù)設(shè)值的前k 個(gè)主成分序列作為有效主成分序列，其余無(wú)效主成分序列視為噪聲；
[0037] 將k個(gè)有效主成分序列作為最終的多個(gè)主成分序列。
[0038] 優(yōu)選的，所述對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得多個(gè)本征模態(tài)函數(shù)序列 包括：
[0039] 對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得若干個(gè)本征模態(tài)函數(shù)序列；
[0040] 在若干個(gè)本征模態(tài)函數(shù)序列按主導(dǎo)頻率由高至低選取多個(gè)本征模態(tài)函數(shù)序列，其 余主導(dǎo)頻率的本征模態(tài)函數(shù)序列視為噪聲。
[0041] 優(yōu)選的，對(duì)所述多個(gè)主成分序列進(jìn)行主成分逆變換得到仿真后的標(biāo)準(zhǔn)氣象矩陣包 括：
[0042] 在多個(gè)主成分序列后加入若干維白噪聲補(bǔ)足維數(shù)后，將補(bǔ)充白噪聲后的多個(gè)主成 分序列與主成分矩陣的逆相乘得到維數(shù)一致的標(biāo)準(zhǔn)氣象矩陣。
[0043] 一種多參數(shù)時(shí)空氣象場(chǎng)模擬裝置，包括：
[0044] 獲取數(shù)據(jù)單元，用于獲取目標(biāo)時(shí)間段和太陽(yáng)高度角集，所述太陽(yáng)高度角集中每個(gè) 太陽(yáng)高度角與所述目標(biāo)時(shí)間段內(nèi)每個(gè)時(shí)刻一一對(duì)應(yīng)；
[0045] 獲取主成分序列單元，用于將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集、輸入至預(yù)設(shè) 模型數(shù)據(jù)庫(kù)的每個(gè)本征模態(tài)函數(shù)序列的綴片模型集內(nèi)，獲得每個(gè)本征模態(tài)函數(shù)序列的仿真 綴片集，在每個(gè)仿真綴片集內(nèi)確認(rèn)適合的多個(gè)仿真綴片，將適合的多個(gè)仿真綴片連綴得到 一個(gè)本征模態(tài)函數(shù)序列的仿真序列，將一個(gè)主成分序列所含的所有本征模態(tài)函數(shù)序列的仿 真序列以及白噪聲疊加得到一個(gè)主成分序列的仿真序列；所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)包含多個(gè)綴 片模型集，每個(gè)綴片模型集內(nèi)具有多個(gè)綴片模型，且每個(gè)綴片模型集與一個(gè)本征模態(tài)函數(shù) 序列對(duì)應(yīng)，每個(gè)本征模態(tài)函數(shù)序列為對(duì)多參數(shù)歷史氣象數(shù)據(jù)進(jìn)行主成分分析獲得每個(gè)主成 分序列后、對(duì)每個(gè)主成分序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到的多個(gè)本征模態(tài)函數(shù)序列中的一個(gè)； 按上述步驟在所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)中獲得多個(gè)主成分序列的仿真序列；
[0046] 仿真單元，用于對(duì)所述多個(gè)主成分序列的仿真序列進(jìn)行主成分逆變換得到仿真后 的標(biāo)準(zhǔn)氣象矩陣；對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行反Z變換獲得仿真的氣象數(shù)據(jù)矩陣。
[0047] 本發(fā)明提供了一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法及裝置，將所需仿真的目標(biāo)時(shí)間段 和太陽(yáng)高度角集輸入至預(yù)設(shè)模型數(shù)據(jù)庫(kù)中，預(yù)設(shè)模型數(shù)據(jù)庫(kù)根據(jù)自身已有的歷史氣象數(shù)據(jù) 規(guī)律，對(duì)輸入的仿真數(shù)據(jù)進(jìn)行模擬，得到每個(gè)本征模態(tài)函數(shù)序列的仿真序列，多個(gè)本征模態(tài) 函數(shù)序列的仿真序列形成一個(gè)主成分序列的仿真序列，多個(gè)主成分序列的仿真序列進(jìn)行主 成分逆變換、以及反Z變換即可得到仿真后的氣象矩陣。
[0048] 本方法中預(yù)先構(gòu)建預(yù)設(shè)模型數(shù)據(jù)庫(kù)，預(yù)設(shè)模型數(shù)據(jù)庫(kù)包含多個(gè)綴片模型集，且每 個(gè)綴片模型集與一個(gè)本征模態(tài)函數(shù)序列對(duì)應(yīng)，每個(gè)本征模態(tài)函數(shù)序列為對(duì)多參數(shù)歷史氣象 數(shù)據(jù)進(jìn)行主成分分析獲得每個(gè)主成分序列后、對(duì)每個(gè)主成分序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到的 多個(gè)本征模態(tài)函數(shù)序列中的一個(gè)，所以預(yù)設(shè)模型數(shù)據(jù)庫(kù)能夠融合歷史氣象數(shù)據(jù)的多個(gè)參 數(shù)，并能夠代表歷史氣象數(shù)據(jù)的規(guī)律。本申請(qǐng)依據(jù)預(yù)設(shè)模型數(shù)據(jù)進(jìn)行仿真模擬，所以得到仿 真后的氣象矩陣能夠代表歷史氣象數(shù)據(jù)的規(guī)律，能夠依據(jù)歷史數(shù)據(jù)合理評(píng)估未來(lái)氣象場(chǎng)， 為環(huán)境風(fēng)險(xiǎn)分析學(xué)科提供技術(shù)支撐，使得評(píng)估某種合理的極端情景成為可能。

【專利附圖】

【附圖說(shuō)明】
[0049] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0050] 圖1為本發(fā)明實(shí)施例公開的一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法的流程圖；
[0051] 圖2為本發(fā)明實(shí)施例公開的一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法中建立預(yù)設(shè)模型數(shù) 據(jù)庫(kù)的流程圖；
[0052] 圖3為本發(fā)明實(shí)施例公開的一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法中對(duì)每個(gè)本征模態(tài) 函數(shù)序列分段模擬的流程圖；
[0053] 圖4為本發(fā)明實(shí)施例公開的一種多參數(shù)時(shí)空氣象場(chǎng)模擬裝置結(jié)構(gòu)圖。

【具體實(shí)施方式】
[0054] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0055] 如圖1所示，本發(fā)明提供了一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法，包括：
[0056] 步驟SlOl:獲取目標(biāo)時(shí)間段和太陽(yáng)高度角集，所述太陽(yáng)高度角集中每個(gè)太陽(yáng)高度 角與所述目標(biāo)時(shí)間段內(nèi)每個(gè)時(shí)刻 對(duì)應(yīng)；
[0057] 在本發(fā)明之前預(yù)先構(gòu)建預(yù)設(shè)模型數(shù)據(jù)庫(kù)，由于預(yù)設(shè)模型數(shù)據(jù)庫(kù)的綴片模型是依據(jù) 狀態(tài)子空間線性系統(tǒng)模型構(gòu)建的，該模型的輸入是時(shí)間和太陽(yáng)高度角，因此在需要仿真時(shí)， 需要準(zhǔn)備仿真所需的目標(biāo)時(shí)間段和與目標(biāo)時(shí)間段內(nèi)每個(gè)時(shí)刻對(duì)應(yīng)的太陽(yáng)高度角，將目標(biāo)時(shí) 間段和太陽(yáng)高度角集作為預(yù)設(shè)模型數(shù)據(jù)庫(kù)的輸入，經(jīng)過(guò)預(yù)設(shè)模型數(shù)據(jù)庫(kù)計(jì)算后可輸出仿真 的氣象場(chǎng)。
[0058] 步驟S102 :將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集、輸入至預(yù)設(shè)模型數(shù)據(jù)庫(kù)的每 個(gè)本征模態(tài)函數(shù)序列的綴片模型集內(nèi)，獲得每個(gè)本征模態(tài)函數(shù)序列的仿真綴片集，在每個(gè) 仿真綴片集內(nèi)確認(rèn)適合的多個(gè)仿真綴片，將適合的多個(gè)仿真綴片連綴得到一個(gè)本征模態(tài)函 數(shù)序列的仿真序列，將一個(gè)主成分序列所含的所有本征模態(tài)函數(shù)序列的仿真序列疊加得到 一個(gè)主成分序列的仿真序列，如果模型集中還包括該主成分序列的噪聲模型，則應(yīng)再疊加 上該噪聲序列得到該主成分序列的仿真序列；所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)包含多個(gè)綴片模型集， 每個(gè)綴片模型集內(nèi)具有多個(gè)綴片模型，且每個(gè)綴片模型集與一個(gè)本征模態(tài)函數(shù)序列對(duì)應(yīng)， 每個(gè)本征模態(tài)函數(shù)序列為對(duì)多參數(shù)歷史氣象數(shù)據(jù)進(jìn)行主成分分析獲得每個(gè)主成分序列后、 對(duì)每個(gè)主成分序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到的多個(gè)本征模態(tài)函數(shù)序列中的一個(gè)；
[0059] 預(yù)設(shè)模型數(shù)據(jù)庫(kù)的構(gòu)建過(guò)程為：依據(jù)多參數(shù)歷史氣象數(shù)據(jù)構(gòu)成氣象數(shù)據(jù)矩陣，然 后對(duì)氣象數(shù)據(jù)矩陣進(jìn)行Z變換獲得標(biāo)準(zhǔn)的氣象數(shù)據(jù)矩陣，然后對(duì)氣象數(shù)據(jù)矩陣進(jìn)行主成分 分析，獲得代表氣象數(shù)據(jù)矩陣的多個(gè)主成分序列，對(duì)每個(gè)主成分序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得 到多個(gè)本征模態(tài)函數(shù)序列，每個(gè)本征模態(tài)函數(shù)序列只有一個(gè)主導(dǎo)頻率和主導(dǎo)幅值，對(duì)每個(gè) 本征模態(tài)函數(shù)序列進(jìn)行時(shí)間分段模擬獲得多個(gè)綴片模型。
[0060] 所以預(yù)設(shè)模型數(shù)據(jù)庫(kù)的架構(gòu)為：多個(gè)主成分序列、每個(gè)主成分序列下具有多個(gè)本 征模態(tài)函數(shù)序列、每個(gè)本征模態(tài)函數(shù)序列對(duì)應(yīng)一個(gè)綴片模型集，一個(gè)綴片模型集內(nèi)具有多 個(gè)綴片t吳型。
[0061] 以一個(gè)主成分序列為例進(jìn)行說(shuō)明，其余主成分序列的實(shí)現(xiàn)過(guò)程與此類似，將目標(biāo) 時(shí)間段和太陽(yáng)高度角集分別輸入至與每個(gè)綴片模型集的多個(gè)綴片模型，每個(gè)綴片模型均對(duì) 目標(biāo)時(shí)間段和太陽(yáng)高度角集進(jìn)行模擬，并輸出自身模擬的仿真綴片，從而得到多個(gè)仿真綴 片，多個(gè)仿真綴片組成仿真綴片集。
[0062] 仿真綴片集中多個(gè)仿真綴片有的合適的、有的是不合適的，因此需要在仿真綴片 集中進(jìn)行篩選，篩選條件如下：仿真綴片的主導(dǎo)頻率與該本征模態(tài)函數(shù)序列的主導(dǎo)頻率是 否近似相等、仿真綴片的幅值與該本征模態(tài)函數(shù)序列的幅值是否近似相等且仿真綴片的相 位與前一仿真綴片的尾端相位是否相容；若上述三個(gè)條件均滿足則確認(rèn)該仿真綴片合適。
[0063] 由于每個(gè)綴片模型為對(duì)一個(gè)本征模態(tài)函數(shù)序列進(jìn)行時(shí)間分段獲得的，對(duì)綴片模型 仿真的結(jié)果需要盡量還原本征模態(tài)函數(shù)序列，每一個(gè)本征模態(tài)函數(shù)序列有一個(gè)主導(dǎo)頻率和 主導(dǎo)幅值，所以每個(gè)仿真綴片的主導(dǎo)頻率要與本征模態(tài)函數(shù)序列的主導(dǎo)頻率近似一致，否 則說(shuō)明該仿真綴片的仿真效果較差刪除不用，仿真綴片的幅值與本征模態(tài)函數(shù)序列的幅值 近似一致，否則說(shuō)明該仿真綴片的仿真效果較差刪除不用。每個(gè)仿真綴片均為一個(gè)時(shí)間片 段，有起始時(shí)刻和最后時(shí)刻，每個(gè)仿真綴片在起始時(shí)刻的相位，需要與前一仿真綴片的最后 時(shí)刻的相位近似相等，這樣兩者仿真綴片才能連綴起來(lái)。
[0064] 因此只有頻率、幅值、相位均達(dá)到要求的仿真綴片才是適合的仿真綴片，刪除不滿 足要求的仿真綴片，這三條準(zhǔn)則是本征模態(tài)函數(shù)序列信號(hào)特征的忠實(shí)反映一一頻率變化不 大、振幅變化不大、連續(xù)無(wú)突變。
[0065] 將每個(gè)仿真模型集中達(dá)到要求的仿真綴片連綴起來(lái)，形成一個(gè)本征模態(tài)函數(shù)序列 的仿真序列，將多個(gè)仿真模型集的達(dá)到要求的仿真綴片連綴起來(lái)，便形成了多個(gè)本征模態(tài) 函數(shù)序列的仿真序列，將一個(gè)主成分序列對(duì)應(yīng)的所有本征模態(tài)函數(shù)序列的仿真序列組合在 一起形成一個(gè)主成分序列的仿真序列。
[0066] 步驟S103 :按步驟S102在所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)中獲得多個(gè)主成分序列；
[0067] 按步驟S102依據(jù)預(yù)設(shè)模型數(shù)據(jù)庫(kù)依次形成多個(gè)主成分序列，多個(gè)主成分序列即 為按照目標(biāo)時(shí)間段和太陽(yáng)高度角集仿真得到的目標(biāo)氣象場(chǎng)的主成分序列。
[0068] 步驟S104 :對(duì)所述多個(gè)主成分序列進(jìn)行主成分逆變換得到仿真后的標(biāo)準(zhǔn)氣象矩 陣；
[0069] 由于預(yù)設(shè)模型數(shù)據(jù)庫(kù)中的主成分序列是經(jīng)過(guò)主成分分析后得到的，因此為了得到 正常的意義上的氣象場(chǎng)，將上述步驟S103中多個(gè)主成分序列進(jìn)行主成分逆變換。具體的， 首先在多個(gè)主成分序列后加入若干維白噪聲補(bǔ)足維數(shù)后，主成分序列與主成分矩陣的逆相 乘得到維數(shù)一致的標(biāo)準(zhǔn)氣象矩陣。
[0070] 步驟S105 :對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行反Z變換獲得仿真的氣象數(shù)據(jù)矩陣。
[0071] 再對(duì)步驟S104中標(biāo)準(zhǔn)氣象矩陣進(jìn)行反Z變換生成真正的仿真后的氣象數(shù)據(jù)矩陣。
[0072] 本發(fā)明提供了一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法，本方法中預(yù)先構(gòu)建預(yù)設(shè)模型數(shù)據(jù) 庫(kù)，預(yù)設(shè)模型數(shù)據(jù)庫(kù)包含多個(gè)綴片模型集，且每個(gè)綴片模型集與一個(gè)本征模態(tài)函數(shù)序列對(duì) 應(yīng)，每個(gè)本征模態(tài)函數(shù)序列為對(duì)多參數(shù)歷史氣象數(shù)據(jù)進(jìn)行主成分分析獲得每個(gè)主成分序列 后、對(duì)每個(gè)主成分序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到的多個(gè)本征模態(tài)函數(shù)序列中的一個(gè)，所以預(yù) 設(shè)模型數(shù)據(jù)庫(kù)能夠融合歷史氣象數(shù)據(jù)的多個(gè)參數(shù)，并能夠代表歷史氣象數(shù)據(jù)的規(guī)律。本申 請(qǐng)依據(jù)預(yù)設(shè)模型數(shù)據(jù)進(jìn)行仿真模擬，所以得到仿真后的氣象矩陣能夠代表歷史氣象數(shù)據(jù)的 規(guī)律，能夠依據(jù)歷史數(shù)據(jù)合理評(píng)估未來(lái)氣象場(chǎng)，為環(huán)境風(fēng)險(xiǎn)分析學(xué)科提供技術(shù)支撐，使得評(píng) 估某種合理的極端情景成為可能。
[0073] 下面詳細(xì)介紹構(gòu)建預(yù)設(shè)模型數(shù)據(jù)庫(kù)的過(guò)程，如圖2所示，包括以下步驟：
[0074] 步驟S201 :獲取目標(biāo)區(qū)域內(nèi)若干個(gè)地面氣象站和若干個(gè)高空氣象站在若干年內(nèi) 不同時(shí)刻的多參數(shù)氣象數(shù)據(jù)，并構(gòu)成一個(gè)以時(shí)刻為行、所述氣象數(shù)據(jù)為列的氣象矩陣，對(duì)所 述氣象矩陣進(jìn)行Z變換獲得標(biāo)準(zhǔn)氣象矩陣；
[0075] 以目標(biāo)區(qū)域作為構(gòu)建預(yù)設(shè)模型數(shù)據(jù)庫(kù)的對(duì)象，后續(xù)輸入至預(yù)設(shè)構(gòu)建模型的目標(biāo)時(shí) 間段和太陽(yáng)高度角集也應(yīng)該為該目標(biāo)區(qū)域內(nèi)的，否則仿真結(jié)果不可信。按照時(shí)間序列，將目 標(biāo)區(qū)域內(nèi)地面氣象站（設(shè)共η個(gè)）記錄的地面氣象參數(shù)和區(qū)域內(nèi)及區(qū)域周邊高空氣象站 (設(shè)m個(gè)高空氣象站）的探空氣象參數(shù)并列，則可構(gòu)成一個(gè)以時(shí)間為行、各地面及高空氣象 站參數(shù)為列的氣象數(shù)據(jù)矩陣。
[0076] 氣象數(shù)據(jù)矩陣囊括了地面和高空的多個(gè)氣象參數(shù)，因此，氣象數(shù)據(jù)矩陣的各列不 僅隱含了氣象站的位置信息，而且隱含了各個(gè)氣象參數(shù)之間、各個(gè)氣象站不同氣象參數(shù)之 間的相關(guān)關(guān)系；氣象數(shù)據(jù)矩陣的各行則進(jìn)一步包含了這些不同位置不同氣象參數(shù)之間關(guān)系 的時(shí)間變化規(guī)律。換言之，氣象數(shù)據(jù)矩陣包含了氣象場(chǎng)的所有信息。
[0077] 對(duì)氣象數(shù)據(jù)矩陣每個(gè)參數(shù)進(jìn)行Z轉(zhuǎn)化，使之各列均為均值為0、方差為1的數(shù)列，該 Z轉(zhuǎn)化后的矩陣為標(biāo)準(zhǔn)的氣象數(shù)據(jù)矩陣。
[0078] 步驟S202 :對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行主成分分析獲得多個(gè)主成分向量和與每個(gè) 主成分對(duì)應(yīng)的主成分序列，多個(gè)主成分向量組成的矩陣為主成分矩陣；
[0079] 由于標(biāo)準(zhǔn)氣象矩陣列數(shù)過(guò)多，信息冗余，為了簡(jiǎn)化后續(xù)處理過(guò)程，在標(biāo)準(zhǔn)氣象矩陣 中主成分分析，提取有信息成分的主成分序列，具體執(zhí)行過(guò)程如下：對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn) 行主成分分析得到若干個(gè)主成分序列；在若干個(gè)主成分序列中選取荷載系數(shù)大于1，累計(jì) 方差解釋率達(dá)到預(yù)設(shè)值的前k個(gè)主成分序列作為有效主成分序列，其余主成分序列在本實(shí) 施例中暫且視為噪聲；將k個(gè)有效主成分序列作為最終的多個(gè)主成分序列。
[0080] 荷載系數(shù)大于1說(shuō)明該主成分序列為有效信息成分，荷載系數(shù)小于1說(shuō)明該主成 分序列的信息量不超過(guò)隨機(jī)噪聲，可舍棄，選取荷載系數(shù)大于1的多個(gè)主成分序列，并且多 個(gè)主成分序列的累計(jì)方差解釋率能夠達(dá)到預(yù)設(shè)值，預(yù)設(shè)值為預(yù)先設(shè)定的值，如70%，即選取 的主成分序列在所有主成分序列中所占的貢獻(xiàn)率大于70%。
[0081] 步驟S203 :對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得多個(gè)本征模態(tài)函數(shù)序列；
[0082] 由于天氣受到的影響因素眾多，所以主成分序列的頻率特征較為復(fù)雜，通過(guò)簡(jiǎn)單 的線性系統(tǒng)模型難以模擬，因此對(duì)每個(gè)主成分序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)，將每個(gè)主成分 序列分為若干個(gè)本征模態(tài)函數(shù)序列；對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得若干個(gè)本 征模態(tài)函數(shù)序列。
[0083] 本征模態(tài)函數(shù)序列MF并非嚴(yán)格意義上的單頻率成分，而是頻率在相對(duì)緩慢變化 之中的信號(hào)，這是氣象場(chǎng)特征非平穩(wěn)性的必然反映，不僅MF的頻率不固定，而且其振幅也 是變化的。各IMF振幅的相對(duì)大小代表了其IMF成分的能量相對(duì)大小；某IMF信號(hào)隨時(shí)間 的振幅變化則反映了該頂F成分能量的時(shí)變性。盡管如此，某特定MF的振幅和頻率整體 不會(huì)發(fā)生劇烈突變。
[0084] 步驟S204 :對(duì)每個(gè)本征模態(tài)函數(shù)序列分段獲得多個(gè)綴片，利用狀態(tài)子空間線性系 統(tǒng)模型對(duì)每個(gè)綴片進(jìn)行模擬，獲得每個(gè)綴片的綴片模型；
[0085] 盡管每個(gè)本征模態(tài)函數(shù)序列非平穩(wěn)，但在某個(gè)較短的時(shí)間內(nèi)，其特征是相對(duì)穩(wěn)定 的，是可以用較簡(jiǎn)單的系統(tǒng)模型進(jìn)行模擬近似的。所以對(duì)本征模態(tài)函數(shù)序列分段得到多個(gè) 綴片，對(duì)每個(gè)綴片利用線性子空間模型進(jìn)行模擬，得到每個(gè)綴片的模型。
[0086] 下面詳細(xì)介紹步驟S204的具體執(zhí)行過(guò)程，如圖3所示，包括以下步驟：
[0087] 步驟S301 :通過(guò)頻率分析在每個(gè)本征模態(tài)函數(shù)序列中獲取一個(gè)主導(dǎo)頻率，并計(jì)算 得到主導(dǎo)頻率所對(duì)應(yīng)的周期；
[0088] 步驟S302 :以所述每個(gè)本征模態(tài)函數(shù)序列的周期的預(yù)設(shè)倍數(shù)為綴片長(zhǎng)度，與所述 周期的預(yù)設(shè)數(shù)量分之一為移動(dòng)步長(zhǎng)，按所述綴片長(zhǎng)度和所述移動(dòng)步長(zhǎng)截取每個(gè)本征模態(tài)函 數(shù)序列，獲得每個(gè)本征模態(tài)函數(shù)序列的多個(gè)綴片；
[0089] 步驟S303 :利用狀態(tài)子空間線性系統(tǒng)模型對(duì)每個(gè)本征模態(tài)函數(shù)序列的每個(gè)綴片 進(jìn)行模擬，獲得每個(gè)本征模態(tài)函數(shù)序列中與每個(gè)綴片對(duì)應(yīng)的綴片模型。
[0090] 每個(gè)本征模態(tài)函數(shù)序列均有一個(gè)主導(dǎo)頻率，通過(guò)頻率計(jì)算得到該主導(dǎo)頻率的主導(dǎo) 周期；以主導(dǎo)周期的預(yù)設(shè)倍數(shù)作為該本征模態(tài)函數(shù)序列的長(zhǎng)度，以主導(dǎo)周期的若干分之一 作為移動(dòng)步長(zhǎng)，以長(zhǎng)度和移動(dòng)步長(zhǎng)截取本征模態(tài)函數(shù)序列，從而獲得多個(gè)長(zhǎng)度一致的綴片， 每個(gè)綴片的時(shí)間段較短，因此在一個(gè)綴片時(shí)間段內(nèi)可以近似為線性系統(tǒng)，可以利用線性系 統(tǒng)模型一一狀態(tài)子空間模型進(jìn)行模擬。
[0091] 步驟S205 :將同一個(gè)本征模態(tài)函數(shù)序列的多個(gè)綴片模型作為一個(gè)綴片模型集，與 每個(gè)主成分序列的多個(gè)本征模態(tài)函數(shù)序列一一對(duì)應(yīng)的多個(gè)綴片模型集組成預(yù)設(shè)模型數(shù)據(jù) 庫(kù)。
[0092] 同一個(gè)本征模態(tài)函數(shù)序列的多個(gè)綴片的綴片模型組成一個(gè)綴片模型集，多個(gè)本征 模態(tài)函數(shù)序列形成一個(gè)主成分序列模型，多個(gè)主成分序列模型形成氣象場(chǎng)模型，由此預(yù)設(shè) 模型數(shù)據(jù)庫(kù)構(gòu)建完成，后續(xù)便可使用預(yù)設(shè)模型數(shù)據(jù)庫(kù)進(jìn)行后續(xù)的仿真過(guò)程。
[0093] 圖2所示的構(gòu)建預(yù)設(shè)模型數(shù)據(jù)庫(kù)的過(guò)程，在步驟S202與步驟S203之間還可以包 括：
[0094] 對(duì)每個(gè)主成分序列利用狀態(tài)子空間線性系統(tǒng)模型進(jìn)行模擬，得到每個(gè)主成分序列 的子空間模型，若某一個(gè)或多個(gè)主成分序列的子空間模型的模擬結(jié)果小于允許誤差則表明 與該模型對(duì)應(yīng)的主成分序列建模成功；對(duì)未建模成功的每個(gè)主成分序列執(zhí)行步驟S203。
[0095] 首先利用線性系統(tǒng)模型對(duì)所有主成分序列進(jìn)行模擬，若某一個(gè)主成分序列的模擬 結(jié)果與真實(shí)結(jié)果之間的誤差小于允許誤差，則說(shuō)明該主成分序列僅以季節(jié)變化而變化，因 此能夠采用線性系統(tǒng)來(lái)表達(dá)，所以該主成分序列建模成功。
[0096] -般情況下，至少有一個(gè)主成分序列是僅與季節(jié)相關(guān)的，所以通過(guò)該步驟找出與 季節(jié)相關(guān)的主成分序列，該主成分序列便可采用線性系統(tǒng)模型構(gòu)建模型，由于線性系統(tǒng)模 型非常簡(jiǎn)單，可以省去繁瑣的計(jì)算過(guò)程，因此可以減少后續(xù)的大量計(jì)算過(guò)程。
[0097] 在仿真時(shí)，將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集輸入至建模成功的一個(gè)或多個(gè) 子空間模型；將一個(gè)或多個(gè)子空間模型的輸出結(jié)果作為對(duì)應(yīng)的一個(gè)或多個(gè)主成分序列。將 該步驟中得到的主成分序列與步驟S203中得到的主成分序列一并作為仿真所需的主成分 序列，再執(zhí)行后續(xù)的主成分序列逆操作和反Z變換，從而得到氣象數(shù)據(jù)矩陣。
[0098] 下面介紹本發(fā)明的具體實(shí)施例：
[0099] 本發(fā)明技術(shù)以區(qū)域內(nèi)時(shí)空氣象場(chǎng)的歷史記錄為數(shù)據(jù)基礎(chǔ)。通常一個(gè)區(qū)域（如方圓 數(shù)百公里）內(nèi)都會(huì)有若干地面氣象站，若干高空氣象站，地面氣象站會(huì)有各地面氣象參數(shù) 的時(shí)值記錄或日值記錄，高空氣象站則按照規(guī)范在格林威治時(shí)間0點(diǎn)和12點(diǎn)（即北京時(shí)間 8點(diǎn)和20點(diǎn)）一日兩次記錄探空氣象參數(shù)記錄。
[0100](一）構(gòu)建氣象數(shù)據(jù)矩陣A
[0101] 按照時(shí)間順序，將區(qū)域內(nèi)地面氣象站（設(shè)共η個(gè)）記錄的地面氣象參數(shù)和區(qū)域內(nèi) 及區(qū)域周邊高空氣象站（設(shè)m個(gè)高空氣象站）的探空氣象參數(shù)并列，則可構(gòu)成一個(gè)以時(shí)間 為行、各地面及高空氣象站參數(shù)為列的氣象數(shù)據(jù)矩陣A。當(dāng)然，由于地面氣象站與高空氣象 站的記錄頻率不同，二者應(yīng)分別通過(guò)內(nèi)插函數(shù)插值至統(tǒng)一時(shí)間點(diǎn)上的氣象參數(shù)值，如：如線 性內(nèi)插或狀態(tài)子空間線性系統(tǒng)模擬內(nèi)插等常用方法，插值至北京時(shí)間每個(gè)整點(diǎn)時(shí)刻，或每 日的氣象參數(shù)值。
[0102] 氣象數(shù)據(jù)矩陣A本身代表了氣象場(chǎng)。因?yàn)楦髁写淼臍庀髤?shù)本身隱含了氣象站 的空間位置信息，各行則顯在的表達(dá)了時(shí)間序列。這種思想是氣象學(xué)中常用的經(jīng)驗(yàn)正交函 數(shù)EOF方法的理論基礎(chǔ)。只是，常規(guī)EOF往往僅針對(duì)一個(gè)氣象參數(shù)如降水，而此處A則囊括 了地面和高空的多個(gè)氣象參數(shù)，因此，A的各列不僅隱含了氣象站的位置信息，而且隱含了 各個(gè)氣象參數(shù)之間、各個(gè)氣象站不同氣象參數(shù)之間的相關(guān)關(guān)系；A的各行則進(jìn)一步包含了 這些不同位置不同氣象參數(shù)之間關(guān)系的時(shí)間變化規(guī)律。換言之，A包含了氣象場(chǎng)的所有信 息。
[0103] (二）標(biāo)準(zhǔn)化氣象數(shù)據(jù)矩陣A
[0104] 氣象數(shù)據(jù)矩陣A內(nèi)個(gè)參數(shù)首先案列進(jìn)行Z轉(zhuǎn)化，使之各列均為均值為0、方差為1 的數(shù)列，該Z轉(zhuǎn)化后的矩陣為標(biāo)準(zhǔn)化的氣象數(shù)據(jù)矩陣B。
[0105] (三）主成分分析并析出有信息主成分序列
[0106] 為得到氣象場(chǎng)的時(shí)空分布規(guī)律，對(duì)標(biāo)準(zhǔn)化的氣象數(shù)據(jù)矩陣B進(jìn)行主成分分析 (PCA)，以荷載系數(shù)為標(biāo)準(zhǔn)，選取荷載系數(shù)大于1且累計(jì)方差解釋率達(dá)到70%的前k個(gè)主成 分序列作為有信息主成分序列，而將剩余的主成分序列視作噪聲。根據(jù)具體工作需要，累計(jì) 方差解釋率可以適當(dāng)調(diào)整，如50%，90%等。根據(jù)主成分分析的基本理論，主成分向量代表 了氣象場(chǎng)的空間格局，多位置多參數(shù)的空間格局，而與主成分向量對(duì)應(yīng)的主成分序列指代 該空間格局的時(shí)間演變規(guī)律，稱之BP,，q= 1、2……k。
[0107] (四）嘗試系統(tǒng)模擬每個(gè)有信息主成分序列BPq
[0108] 第q個(gè)主成分序列BPq實(shí)際上是單變量時(shí)間序列，BP,可能受到季節(jié)（日期）和日 內(nèi)時(shí)間（時(shí)刻）的影響，也可能與季節(jié)或時(shí)刻因素沒有顯在關(guān)系而是受制于地形、地表覆蓋 等地面因素與季節(jié)和時(shí)刻因素的綜合作用。事實(shí)上，k個(gè)有信息主成分序列中總是會(huì)有至 少一個(gè)是與季節(jié)性顯著相關(guān)的；如果氣象數(shù)據(jù)矩陣A或B的時(shí)間分辨率是12h或更短，則信 息主成分序列中總是會(huì)有至少一個(gè)是與日內(nèi)時(shí)刻顯著相關(guān)的。
[0109] 季節(jié)性可以用太陽(yáng)高度角作為自變量，自變量定義域（0, 90]來(lái)表示（太陽(yáng)高度角 的計(jì)算方法可參見氣象數(shù)據(jù)規(guī)范），時(shí)刻則可直接作為自變量，定義域[0, 24)。采用狀態(tài)子 空間（StateSubspace)線性系統(tǒng)模型對(duì)BPq進(jìn)行系統(tǒng)模擬，如果模擬結(jié)果令人滿意，如決 定系數(shù)r2>0. 7,則該主成分序列BPq建模成功，保留該模型M
[0110] 并將所需要仿真的輸入信號(hào)（季節(jié)、時(shí)刻）輸入M,，產(chǎn)生BPq的仿真結(jié)果，后續(xù) 步驟詳見步驟（七）；若模擬結(jié)果不令人滿意，則意味著BPq并非由季節(jié)性或時(shí)間主導(dǎo)，則進(jìn) 入下一步分頻模擬步驟。
[0111] (五）對(duì)有信息主成分序列BPq進(jìn)行分頻并綴片化模擬
[0112] 主要包括兩個(gè)步驟，首先就是對(duì)BPq頻率分解為若干頻率成分；其次是對(duì)每個(gè)頻率 成分進(jìn)行模擬，而采取的模擬策略是綴片化，即分段模擬。
[0113] (1)對(duì)BPq進(jìn)行分頻處理
[0114] 第q個(gè)主成分序列BPq不能被季節(jié)參數(shù)和時(shí)間參數(shù)模擬，直接原因是頻率成分較 為復(fù)雜而不是簡(jiǎn)單地以年為周期或以日為周期。理論上可以采用傅里葉變換實(shí)現(xiàn)分頻，但 傅里葉變換實(shí)際上只有在頻率成分較簡(jiǎn)單時(shí)才能以較少的頻率成分近似原信號(hào)。而氣象信 號(hào)本身的非平穩(wěn)性特征使得常規(guī)傅里葉分頻技術(shù)不再適合。
[0115] 本發(fā)明中推薦使用希爾伯特-黃分頻技術(shù)，即氣候?qū)W和氣象學(xué)中已經(jīng)有應(yīng)用的經(jīng) 驗(yàn)?zāi)B(tài)分解（EMD)技術(shù)。應(yīng)用該技術(shù)，可以將BPq分解為若干本征模態(tài)函數(shù)序列（MF)之 和；實(shí)際上EMD可以只關(guān)注有限個(gè)能量較大的以及具有用戶感興趣的頻率特征的IMF(如式 (1)中的w個(gè)MF)，而將其余MF之和整體視作一個(gè)噪音MF，Wrw表示，如式（1)中的rw:
[0116]

【權(quán)利要求】
1. 一種多參數(shù)時(shí)空氣象場(chǎng)模擬方法，其特征在于，包括： 獲取目標(biāo)時(shí)間段和太陽(yáng)高度角集，所述太陽(yáng)高度角集中每個(gè)太陽(yáng)高度角與所述目標(biāo)時(shí) 間段內(nèi)每個(gè)時(shí)刻 對(duì)應(yīng)； 將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集、輸入至預(yù)設(shè)模型數(shù)據(jù)庫(kù)的每個(gè)本征模態(tài)函數(shù) 序列的綴片模型集內(nèi)，獲得每個(gè)本征模態(tài)函數(shù)序列的仿真綴片集，在每個(gè)仿真綴片集內(nèi)確 認(rèn)適合的多個(gè)仿真綴片，將適合的多個(gè)仿真綴片連綴得到一個(gè)本征模態(tài)函數(shù)序列的仿真序 列，將一個(gè)主成分序列所含的所有本征模態(tài)函數(shù)序列的仿真序列以及白噪聲疊加得到一個(gè) 主成分序列的仿真序列；所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)包含多個(gè)綴片模型集，每個(gè)綴片模型集內(nèi)具 有多個(gè)綴片模型，且每個(gè)綴片模型集與一個(gè)本征模態(tài)函數(shù)序列對(duì)應(yīng)，每個(gè)本征模態(tài)函數(shù)序 列為對(duì)多參數(shù)歷史氣象數(shù)據(jù)進(jìn)行主成分分析獲得每個(gè)主成分序列后、對(duì)每個(gè)主成分序列進(jìn) 行經(jīng)驗(yàn)?zāi)B(tài)分解得到的多個(gè)本征模態(tài)函數(shù)序列中的一個(gè)； 按上述步驟在所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)中獲得多個(gè)主成分序列的仿真序列； 對(duì)所述多個(gè)主成分序列的仿真序列進(jìn)行主成分逆變換得到仿真后的標(biāo)準(zhǔn)氣象矩陣； 對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行反Z變換獲得仿真的氣象數(shù)據(jù)矩陣。
2. 如權(quán)利要求1所述的方法，其特征在于，所述在每個(gè)仿真綴片集內(nèi)確認(rèn)適合的多個(gè) 仿真綴片包括： 針對(duì)每個(gè)本征模態(tài)函數(shù)序列的仿真綴片集中每個(gè)仿真綴片，判斷是否滿足以下三個(gè) 條件：仿真綴片的主導(dǎo)頻率與該本征模態(tài)函數(shù)序列的主導(dǎo)頻率近似相等、仿真綴片的幅值 與該本征模態(tài)函數(shù)序列的幅值近似相等且仿真綴片的相位與前一仿真綴片的尾端相位相 容； 若上述三個(gè)條件均滿足則確認(rèn)該仿真綴片合適。
3. 如權(quán)利要求1所述的方法，其特征在于，構(gòu)建所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)的過(guò)程包括： 獲取目標(biāo)區(qū)域內(nèi)若干個(gè)地面氣象站和若干個(gè)高空氣象站在若干年內(nèi)不同時(shí)刻的多參 數(shù)氣象數(shù)據(jù)，并構(gòu)成一個(gè)以時(shí)刻為行、所述氣象數(shù)據(jù)為列的氣象矩陣，對(duì)所述氣象矩陣進(jìn)行 Z變換獲得標(biāo)準(zhǔn)氣象矩陣； 對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行主成分分析獲得多個(gè)主成分向量和與每個(gè)主成分對(duì)應(yīng)的主 成分序列，多個(gè)主成分向量組成的矩陣為主成分矩陣； 對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得多個(gè)本征模態(tài)函數(shù)序列； 對(duì)每個(gè)本征模態(tài)函數(shù)序列分段獲得多個(gè)綴片，利用狀態(tài)子空間線性系統(tǒng)模型對(duì)每個(gè)綴 片進(jìn)行模擬，獲得每個(gè)綴片的綴片模型； 將同一個(gè)本征模態(tài)函數(shù)序列的多個(gè)綴片模型作為一個(gè)綴片模型集； 與每個(gè)主成分序列的多個(gè)本征模態(tài)函數(shù)序列 對(duì)應(yīng)的多個(gè)綴片模型集組成預(yù)設(shè)模 型數(shù)據(jù)庫(kù)。
4. 如權(quán)利要求3所述的方法，其特征在于，在對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解之 前還包括： 對(duì)每個(gè)主成分序列利用狀態(tài)子空間線性系統(tǒng)模型進(jìn)行模擬，得到每個(gè)主成分序列的子 空間模型，若某一個(gè)或多個(gè)主成分序列的子空間模型的模擬結(jié)果小于允許誤差則表明與該 模型對(duì)應(yīng)的主成分序列建模成功； 對(duì)未建模成功的每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解。
5. 如權(quán)利要求4所述的方法，其特征在于，還包括： 將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集輸入至建模成功的一個(gè)或多個(gè)子空間模型； 將一個(gè)或多個(gè)子空間模型的輸出結(jié)果作為對(duì)應(yīng)的一個(gè)或多個(gè)主成分序列。
6. 如權(quán)利要求3所述的方法，其特征在于，所述對(duì)每個(gè)本征模態(tài)函數(shù)序列分段獲得多 個(gè)綴片，利用狀態(tài)子空間線性系統(tǒng)模型對(duì)每個(gè)綴片進(jìn)行模擬，獲得每個(gè)綴片的綴片模型包 括： 通過(guò)頻率分析在每個(gè)本征模態(tài)函數(shù)序列中獲取一個(gè)主導(dǎo)頻率，并計(jì)算得到主導(dǎo)頻率所 對(duì)應(yīng)的周期； 以所述每個(gè)本征模態(tài)函數(shù)序列的周期的預(yù)設(shè)倍數(shù)為綴片長(zhǎng)度，以所述周期的預(yù)設(shè)數(shù)量 分之一為移動(dòng)步長(zhǎng)，按所述綴片長(zhǎng)度和所述移動(dòng)步長(zhǎng)截取每個(gè)本征模態(tài)函數(shù)序列，獲得每 個(gè)本征模態(tài)函數(shù)序列的多個(gè)綴片； 利用狀態(tài)子空間線性系統(tǒng)模型對(duì)每個(gè)本征模態(tài)函數(shù)序列的每個(gè)綴片進(jìn)行模擬，獲得每 個(gè)本征模態(tài)函數(shù)序列中與每個(gè)綴片對(duì)應(yīng)的綴片模型。
7. 如權(quán)利要求3所述的方法，其特征在于，對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行主成分分析獲得 多個(gè)主成分序列包括： 對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行主成分分析得到若干個(gè)主成分序列； 在若干個(gè)主成分序列中選取荷載系數(shù)大于1，累計(jì)方差解釋率達(dá)到預(yù)設(shè)值的前k個(gè)主 成分序列作為有效主成分序列，其余無(wú)效主成分序列視為噪聲； 將k個(gè)有效主成分序列作為最終的多個(gè)主成分序列。
8. 如權(quán)利要求3所述的方法，其特征在于，所述對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解， 獲得多個(gè)本征模態(tài)函數(shù)序列包括： 對(duì)每個(gè)主成分序列執(zhí)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得若干個(gè)本征模態(tài)函數(shù)序列； 在若干個(gè)本征模態(tài)函數(shù)序列按主導(dǎo)頻率由高至低選取多個(gè)本征模態(tài)函數(shù)序列，其余主 導(dǎo)頻率的本征模態(tài)函數(shù)序列視為噪聲。
9. 如權(quán)利要求3所述的方法，其特征在于，對(duì)所述多個(gè)主成分序列進(jìn)行主成分逆變換 得到仿真后的標(biāo)準(zhǔn)氣象矩陣包括： 在多個(gè)主成分序列后加入若干維白噪聲補(bǔ)足維數(shù)后，將補(bǔ)充白噪聲后的多個(gè)主成分序 列與主成分矩陣的逆相乘得到維數(shù)一致的標(biāo)準(zhǔn)氣象矩陣。
10. -種多參數(shù)時(shí)空氣象場(chǎng)模擬裝置，其特征在于，包括： 獲取數(shù)據(jù)單元，用于獲取目標(biāo)時(shí)間段和太陽(yáng)高度角集，所述太陽(yáng)高度角集中每個(gè)太陽(yáng) 高度角與所述目標(biāo)時(shí)間段內(nèi)每個(gè)時(shí)刻一一對(duì)應(yīng)； 獲取主成分序列單元，用于將所述目標(biāo)時(shí)間段和所述太陽(yáng)高度角集、輸入至預(yù)設(shè)模型 數(shù)據(jù)庫(kù)的每個(gè)本征模態(tài)函數(shù)序列的綴片模型集內(nèi)，獲得每個(gè)本征模態(tài)函數(shù)序列的仿真綴片 集，在每個(gè)仿真綴片集內(nèi)確認(rèn)適合的多個(gè)仿真綴片，將適合的多個(gè)仿真綴片連綴得到一個(gè) 本征模態(tài)函數(shù)序列的仿真序列，將一個(gè)主成分序列所含的所有本征模態(tài)函數(shù)序列的仿真序 列以及白噪聲疊加得到一個(gè)主成分序列的仿真序列；所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)包含多個(gè)綴片模 型集，每個(gè)綴片模型集內(nèi)具有多個(gè)綴片模型，且每個(gè)綴片模型集與一個(gè)本征模態(tài)函數(shù)序列 對(duì)應(yīng)，每個(gè)本征模態(tài)函數(shù)序列為對(duì)多參數(shù)歷史氣象數(shù)據(jù)進(jìn)行主成分分析獲得每個(gè)主成分序 列后、對(duì)每個(gè)主成分序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到的多個(gè)本征模態(tài)函數(shù)序列中的一個(gè)；按上 述步驟在所述預(yù)設(shè)模型數(shù)據(jù)庫(kù)中獲得多個(gè)主成分序列的仿真序列； 仿真單元，用于對(duì)所述多個(gè)主成分序列的仿真序列進(jìn)行主成分逆變換得到仿真后的標(biāo) 準(zhǔn)氣象矩陣；對(duì)所述標(biāo)準(zhǔn)氣象矩陣進(jìn)行反Z變換獲得仿真的氣象數(shù)據(jù)矩陣。
【文檔編號(hào)】G06F17/50GK104484539SQ201510002245
【公開日】2015年4月1日 申請(qǐng)日期:2015年1月4日 優(yōu)先權(quán)日:2015年1月4日
【發(fā)明者】孟耀斌, 逯超, 籍裴希, 何壽亮, 周凌峰 申請(qǐng)人:北京師范大學(xué)