本发明提供了一种基于单目标变量判断云区的方法，包括读取原始气象数据并得到原始气象数据序列θ(tept,wt,ht)；根据所述原始气象数据序列θ(tept,wt,ht)得到标准温湿度数据序列根据所述标准温湿度数据序列获取入云高度集合和出云高度集合，并将入云高度集合和出云高度集合中的元素按照高度递增序列排序得到入云高度序列和出云高度序列；将入云高度序列中的第k个元素与对应的出云高度序列的第k个元素之间的部分描述为云，得到云描述集合；剔除所述云描述集合中的非云元素，得到目标云描述集合。本发明使用了自行研发的数据处理算法对原始数据进行处理，从而在一定程度提升了判断精准度，并且充分利用湿度对云判断的指示作用，以湿度为单变量进行考虑，降低了判定复杂度。
1.一种基于单目标变量判断云区的方法，其特征在于，包括：按照固定时间间隔读取原始气象数据并得到原始气象数据序列θ(tept,wt,ht)，其中tept标识温度分量，wt标识相对湿度分量，ht标识高度分量，t为时间；
根据所述原始气象数据序列θ(tept,wt,ht)得到目标温湿度数据序列 其中tepk标识温度分量，wk标识相对湿度分量，其中k表示离散点的下标，所述目标温湿度数据序列 两个相邻元素对应的高度值之间的差值的波动值小于预设阈值；
根据所述目标温湿度数据序列 得到标准温湿度数据序列 w′k为标准湿度分量；
根据所述标准温湿度数据序列 获取入云高度集合和出云高度集合，并将入云高度集合和出云高度集合中的元素按照高度递增序列排序得到入云高度序列和出云高度序列；
将入云高度序列中的第k个元素与对应的出云高度序列的第k个元素之间的部分描述为云，得到云描述集合；
剔除所述云描述集合中的非云元素，得到目标云描述集合；
所述目标温湿度数据序列 由原始气象数据序列θ(tept,wt,ht)进行插值处理和修正处理得到，所述插值处理和修正处理，包括：获取插值步长；
将插值点对应的自变量h的值代入估值代数式得到估值点，
在具体执行过程中，对于温度分量teph和湿度分量wh进行分别运算，从而得到估值点的温度分量teph和湿度分量wh，估值代数式中的ok标识温湿度数据序列o(teph,wh)中的第k个元素，hk标识温湿度数据序列o(teph,wh)中的第k个元素的高度值；
由估值点和温湿度数据序列o(teph,wh)中原本就存在的点按照高度递增顺序构成待修″ ″正序列o(tepk,wk)，其中k是待修正序列o(tepk,wk)的点下标；
获取所述待修正序列的o″(tepk,wk)的一轮修正序列ψ1(tepk,wk)＝ψ1(tepk-1,wk-1)×(1-ξ)+o″(tepk,wk)×ξ，其中ψ1(tepk,wk)为一轮修正序列的第k个元素值，ξ为一轮修正参数；
根据所述一轮修正序列得到二轮修正序列ψ2(tepk,wk)＝χ×(1+μ)×ψ1(tepk,wk)-χ×ψ1(tepk-1,wk-1)+ψ2(tepk-1,wk-1)，其中ψ2(tepk,wk)为二轮修正序列的第k个元素值，χ为二轮修正参数，μ为敏感度参数；
根据待修正序列和所述二轮修正序列得到目标温湿度序列γ为三轮修正参
2.根据权利要求1所述的方法，其特征在于，还包括供一种非云元素的判定结果方法，所述方法包括：获取云元素的入云高度和出云高度；
获取对应于云元素的原始气象数据子序列，所述原始气象数据子序列中的元素的高度分量均不小于入云高度，并且不大于出云高度；
获得所述原始气象数据子序列对应的标准温湿度数据子序列；
判断所述标准温湿度数据子序列中是否存在标记元素，所述标记元素的标准湿度分量小于预设低值；
3.根据权利要求1所述的方法，其特征在于，所述根据所述标准温湿度数据序列获取入云高度集合和出云高度集合包括：若所述元素的标准湿度分量小于预设的湿度阈值，并且所述元素的下一个元素的标准湿度分量大于预设的湿度阈值，则将所述元素对应的高度值纳入入云高度集合；若所述元素的标准湿度分量大于预设的湿度阈值，并且所述元素的下一个元素的标准湿度分量小于预设的湿度阈值，则将所述元素对应的高度值纳入出云高度集合。
4.根据权利要求1所述的方法，其特征在于：所述云描述集合中每个元素以数据对(hin,hout)的形式标识,其中hin为入云高度，hout为出云高度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标温湿度数据序列得到标准温湿度数据序列 包括：对所述目标温湿度数据序列 中元素进行标准化处理，得到其对应的标准元素：
6.根据权利要求5所述的方法，其特征在于，所述对所述目标温湿度数据序列中元素进行标准化处理，得到其对应的标准元素包括：判断温度分量tepk是否大于0；
若是，则令标准湿度分量w′k＝wk，得到其对应的标准元素P′(tepk,w′k)；
若否，则根据温度分量tepk和湿度分量wk由第一公式计算第一温度Td；
根据第一汽压和第二汽压由第四公式 计算标准湿度分量w′k，得到其对应的标准元素P′(tepk,w′k)。
一种基于单目标变量判断云区的方法
技术领域
[0001] 本发明涉及数据分析领域，尤其涉及一种基于单目标变量判断云区的方法。
背景技术
[0002] 云垂直结构的判定对于气象领域十分重要，但是现有技术中却缺乏对其进行观测的有效手段，也缺乏对其进行判定的有效方案。
发明内容
[0003] 为了解决上述技术问题，本发明提出了一种基于单目标变量判断云区的方法。本发明具体是以如下技术方案实现的：
[0004] 一种基于单目标变量判断云区的方法，包括：
[0005] 按照固定时间间隔读取原始气象数据并得到原始气象数据序列θ(tept,wt,ht)，其中tept标识温度分量，wt标识相对湿度分量，ht标识高度分量，t为时间；
[0006] 根据所述原始气象数据序列θ(tept,wt,ht)得到目标温湿度数据序列其中tepk标识温度分量，wk标识相对湿度分量，所述目标温湿度数据序列 两个相邻元素对应的高度值之间的差值的波动值小于预设阈值；
[0007] 根据所述目标温湿度数据序列 得到标准温湿度数据序列
[0008] 根据所述标准温湿度数据序列 获取入云高度集合和出云高度集合，并将入云高度集合和出云高度集合中的元素按照高度递增序列排序得到入云高度序列和出云高度序列；
[0009] 将入云高度序列中的第k个元素与对应的出云高度序列的第k个元素之间的部分描述为云，得到云描述集合；
[0010] 剔除所述云描述集合中的非云元素，得到目标云描述集合。
[0011] 进一步地，还包括供一种非云元素的判定结果方法，所述方法包括：
[0012] 获取云元素的入云高度和入云高度；
[0013] 获取对应于云元素的原始气象数据子序列，所述原始气象数据子序列中的元素的高度分量均不小于入云高度，并且不大于出云高度；
[0014] 获得所述原始气象数据子序列对应的标准温湿度数据子序列；
[0015] 判断所述标准温湿度数据子序列中是否存在标记元素，所述标记元素的标准湿度分量小于预设低值；
[0016] 若存在，则判定所述云元素为非云元素。
[0017] 进一步地，所述根据所述标准温湿度数据序列 获取入云高度集合和出云高度集合包括：
[0018] 若所述元素的标准湿度分量小于预设的湿度阈值，并且所述元素的下一个元素的标准湿度分量大于预设的湿度阈值，则将所述元素对应的高度值纳入入云高度集合；若所述元素的标准湿度分量大于预设的湿度阈值，并且所述元素的下一个元素的标准湿度分量小于预设的湿度阈值，则将所述元素对应的高度值纳入出云高度集合。
[0019] 进一步地，所述云描述集合中每个元素以数据对(hin,hout)的形式标识。其中hin为入云高度，hout为出云高度。
[0020] 进一步地，所述根据所述目标温湿度数据序列 得到标准温湿度数据序列 包括：
[0021] 对所述目标温湿度数据序列 中元素进行标准化处理，得到其对应的标准元素：
[0022] 根据每个标准元素生成标准温湿度数据序列
[0023] 进一步地，所述对所述目标温湿度数据序列 中元素进行标准化处理，得到其对应的标准元素包括：
[0024] 判断温度分量tepk是否大于0；
[0025] 若是，则令标准湿度分量w′k＝wk，得到其对应的标准元素P′(tepk,w′k)；
[0026] 若否，则根据温度分量tepk和湿度分量wk由第一公式计算第一温度Td；
[0027] 根据第一温度Td由第二公式
[0028]
[0029] 计算第一汽压Ew，其中T0为水的三相点温度；
[0030] 根据温度分量tepk由第三公式
[0031]
[0032] 计算第二汽压Ei；
[0033] 根据第一汽压和第二汽压由第四公式 计算标准湿度分量w′k，得到其对应的标准元素P′(tepk,w′k)。
[0034] 进一步地，所述目标温湿度数据序列 由原始气象数据序列θ(tept,wt,ht)进行插值处理和修正处理得到。
[0035] 本发明实施例提供了一种基于单目标变量判断云区的方法，以原始气象数据为分析对象，并最终得到在高度方向上的云垂直结构，在云垂直结构的判定过程中使用了自行研发的数据处理算法对原始数据进行处理，从而在一定程度提升了判断精准度，并且充分利用湿度对云判断的指示作用，以湿度为单变量进行考虑，降低了判定复杂度。
附图说明
[0036] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0037] 图1是本发明实施例提供的一种基于单目标变量判断云区的方法流程图；
[0038] 图2是本发明实施例提供的一种非云元素的判定结果方法流程图；
[0039] 图3是本发明实施例提供的根据所述目标温湿度数据序列 得到标准温湿度数据序列 流程图；
[0040] 图4是本发明实施例提供的一种对所述原始气象数据序列θ(tept,wt,ht)进行插值处理和修正处理得到目标温湿度数据序列 的方法流程图。
具体实施方式
[0041] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0042] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0043] 本发明实施例提供了一种基于单目标变量判断云区的方法，如图1所示，包括：
[0044] S101.按照固定时间间隔读取原始气象数据并得到原始气象数据序列θ(tept,wt,ht)，其中tept标识温度分量，wt标识相对湿度分量，ht标识高度分量，t为时间。
[0045] S102.根据所述原始气象数据序列θ(tept,wt,ht)得到目标温湿度数据序列其中tepk标识温度分量，wk标识相对湿度分量，所述目标温湿度数据序列两个相邻元素对应的高度值之间的差值的波动值小于预设阈值。
[0046] 所述目标温湿度数据序列 由原始气象数据序列θ(tept,wt,ht)进行插值处理和修正处理得到。当然，本发明实施例并不限定插值处理和修正处理的具体方法。
[0047] S103.根据所述目标温湿度数据序列 得到标准温湿度数据序列
[0048] S104.根据所述标准温湿度数据序列 获取入云高度集合和出云高度集合，并将入云高度集合和出云高度集合中的元素按照高度递增序列排序得到入云高度序列和出云高度序列。
[0049] 具体地，若所述元素的标准湿度分量小于预设的湿度阈值，并且所述元素的下一个元素的标准湿度分量大于预设的湿度阈值，则将所述元素对应的高度值纳入入云高度集合；若所述元素的标准湿度分量大于预设的湿度阈值，并且所述元素的下一个元素的标准湿度分量小于预设的湿度阈值，则将所述元素对应的高度值纳入出云高度集合。
[0050] 具体地，所述湿度阈值可以根据用户需要进行设定，本发明实施例中对其不做具体限定。本发明实施例中所述湿度阈值取值为84％。
[0051] S105.将入云高度序列中的第k个元素与对应的出云高度序列的第k个元素之间的部分描述为云，得到云描述集合。
[0052] 具体地，所述云描述集合中每个元素以数据对(hin,hout)的形式标识。其中hin为入云高度，hout为出云高度。
[0053] S106.剔除所述云描述集合中的非云元素，得到目标云描述集合。
[0054] 具体地，本发明实施例中提供一种非云元素的判定结果方法，如图2所示，包括：
[0055] S1061.获取云元素的入云高度和入云高度；
[0056] S1062.获取对应于云元素的原始气象数据子序列，所述原始气象数据子序列中的元素的高度分量均不小于入云高度，并且不大于出云高度；
[0057] S1063.获得所述原始气象数据子序列对应的标准温湿度数据子序列；
[0058] S1064.判断所述标准温湿度数据子序列中是否存在标记元素，所述标记元素的标准湿度分量小于预设低值；
[0059] S1065.若存在，则判定所述云元素为非云元素。
[0060] 具体地，本发明实施例中根据所述目标温湿度数据序列 得到标准温湿度数据序列 如图3所示，包括：
[0061] S1.对所述目标温湿度数据序列 中元素进行标准化处理，得到其对应的标准元素。
[0062] S2.根据每个标准元素生成标准温湿度数据序列
[0063] 进一步地，所述对所述目标温湿度数据序列 中元素进行标准化处理，得到其对应的标准元素包括：
[0064] S10.判断温度分量tepk是否大于0。
[0065] S20.若是，则令标准湿度分量w′k＝wk，得到其对应的标准元素P′(tepk,w′k)；
[0066] S30.若否，则
[0067] 根据温度分量tepk和湿度分量wk由第一公式计算第一温度Td；
[0068] 根据第一温度Td由第二公式
[0069]
[0070] 计算第一汽压Ew，其中T0为水的三相点温度；
[0071] 根据温度分量tepk由第三公式
[0072]
[0073] 计算第二汽压Ei；
[0074] 根据第一汽压和第二汽压由第四公式 计算标准湿度分量w′k，得到其对应的标准元素P′(tepk,w′k)。
[0075] 进一步地，本发明实施例中还提供了一种对所述原始气象数据序列θ(tept,wt,ht)进行插值处理和修正处理得到目标温湿度数据序列 的方法，如图4所示，包括：
[0076] S1021.计算原始气象数据序列θ(tept,wt,ht)各个相邻元素的高度差。
[0077] S1022.获取各个高度差的约数集合。
[0078] 所述约数集合中的元素满足下述条件：
[0079] 各个高度差除以所述元素得到的余数的波动值小于预设阈值。
[0080] S1023.从所述约数集合中选取一个约数作为插值步长。
[0081] S1024.由原始气象数据序列θ(tept,wt,ht)得到温湿度数据序列ο(teph,wh)。
[0082] 所述温湿度数据序列ο(teph,wh)是以高度h为自变量，以温湿度为因变量的序列。
[0083] S1025.根据所述插值步长对所述温湿度数据序列ο(teph,wh)进行插值处理和修正处理得到目标温湿度数据序列
[0084] 目标温湿度数据序列 中各个离散点的高度差的波动值小于预设阈值，其中k为离散点的下标。
[0085] 具体地，本发明实施例对插值处理和修正处理的方法并不进行具体的限定。但是为了获取较好的数据处理效果，本发明实施例提供一种插值及修正方法，所述方法包括：
[0086] S10251.获取插值步长。
[0087] S10252.根据所述插值步长获取插值点对应的自变量h的值。
[0088] S10253.将插值点对应的自变量h的值代入估值代数式得到估值点。
[0089] 在具体执行过程中，对于温度分量teph和湿度分量wh进行分别运算，从而得到估值点的温度分量teph和湿度分量wh，估值代数式中的οk标识温湿度数据序列ο(teph,wh)中的第k个元素，hk标识温湿度数据序列ο(teph,wh)中的第k个元素的高度值。
[0090] S10254.由估值点和温湿度数据序列ο(teph,wh)中原本就存在的点按照高度递增顺序构成待修正序列ο″(tepk,wk)，其中k是待修正序列ο″(tepk,wk)的点下标。
[0091] S10255.获取所述待修正序列的ο″(tepk,wk)的一轮修正序列ψ1(tepk,wk)＝ψ1(tepk-1,wk-1)×(1-ξ)+ο″(tepk,wk)×ξ，其中ψ1(tepk,wk)为一轮修正序列的第k个元素值，ξ为一轮修正参数。
[0092] S10256.根据所述一轮修正序列得到二轮修正序列ψ2(tepk,wk)＝χ×(1+μ)×ψ1(tepk,wk)-χ×ψ1(tepk-1,wk-1)+ψ2(tepk-1,wk-1)，其中ψ2(tepk,wk)为二轮修正序列的第k个元素值，χ为二轮修正参数，μ为敏感度参数。
[0093] S10257.根据待修正序列和所述二轮修正序列得到目标温湿度序列γ为三轮修正参
数。
[0094] 具体地，所述一轮修正参数、二轮修正参数、三轮修正参数以及敏感度参数可以根据用户需要进行设定，本发明实施例中对其不做具体限定。
[0095] 本发明实施例提供了一种基于单目标变量判断云区的方法，以原始气象数据为分析对象，并最终得到在高度方向上的云垂直结构，在云垂直结构的判定过程中使用了自行研发的数据处理算法对原始数据进行处理，从而在一定程度提升了判断精准度，并且充分利用湿度对云判断的指示作用，以湿度为单变量进行考虑，降低了判定复杂度。
[0096] 需要说明的是：上述本发明实施例的先后顺序仅仅为了描述，不代表实施例的优劣。
[0097] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0098] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
