基于本征正交分解的雨量站缺失处降雨获取方法及系统转让专利
申请号 : CN202110618399.X
文献号 : CN113408112B
文献日 : 2022-04-29
发明人 : 赵烨 , 张翔 , 潘国艳 , 徐晶
申请人 : 武汉大学
摘要 :
权利要求 :
1.基于本征正交分解的雨量站缺失处降雨获取方法,其特征在于,包括以下步骤:步骤1:根据缺失站点处的位置,选择多个邻近的雨量站,对这些站的降雨数据进行整理,获取包含有原始降雨场数据的降雨资料;
步骤2:将原始降雨场数据和人工时空归一化后的降雨场数据分别作为输入,对降雨场进行两次本征正交分解,得到降雨场的主要模态和相对应的时间系数;模态对应降雨场分解后的雨强状态,主要模态为对降雨场能量贡献率较大的那些模态;本征正交分解具体操作如下:
降雨场记为 ,式中,X表示降雨场;t表示时间,n为时间序数最大值,R为实数域,m为站点个数; ,表示减去时均值n n
后的t 时刻的降雨强度;u(x,t)表示n时刻x站点的雨强, 表示x站点所有时刻的平均雨强;
对降雨场X进行奇异值分解 ,式中,Φ为模态矩阵,∑为模态含能对角阵,为时间系数矩阵;
选择主要模态,对降雨场进行重构: ,式中,j为模态序号,aj(t)为第j个模态的时间系数向量, 为第j个模态的模态值向量;
步骤3:根据步骤2的分解结果,筛选出表征时空属性的模态及对应的时间系数;
步骤4:从主要模态中剔除步骤3筛选出的能够反映降雨时空特征的模态,以距离缺失站点位置处最近的站点为模板,利用剩余模态重构缺失站点所在位置的降雨过程即可得到缺失站点处的降雨数据。
2.根据权利要求1所述的基于本征正交分解的雨量站缺失处降雨获取方法,其特征在于:
其中,在步骤1中,获取的降雨资料有如下具体要求:长历时雨量站缺失处降雨过程重构所需降雨资料为日尺度;中长历时雨量站缺失处降雨过程重构所需降雨资料为小时尺度;短历时雨量站缺失处降雨过程重构所需降雨资料为分钟尺度。
3.根据权利要求1所述的基于本征正交分解的雨量站缺失处降雨获取方法,其特征在于:
其中,在步骤2中,将对降雨场累积能量贡献率超过60%的作为主要模态。
4.根据权利要求1所述的基于本征正交分解的雨量站缺失处降雨获取方法,其特征在于:
其中,在步骤2中,提取对降雨场累积能量贡献率超过80%的主要模态进行降雨雨型重构。
5.根据权利要求1所述的基于本征正交分解的雨量站缺失处降雨获取方法,其特征在于:
其中,在步骤4中,选择最靠近的站点降雨过程为重构模板。
6.一种基于本征正交分解的雨量站缺失处降雨获取系统,其特征在于,包括:获取部,根据缺失站点处的位置,选择多个邻近的雨量站,收集和整理这些站的降雨数据,获取原始降雨场数据和人工时空归一化后的降雨场数据;
降雨数据正交分解部,将原始降雨场数据和人工时空归一化后的降雨场数据分别作为输入,对降雨场进行两次本征正交分解,得到降雨场的主要模态和相对应的时间系数;模态对应降雨场分解后的雨强状态,主要模态为对降雨场能量贡献率较大的那些模态;本征正交分解具体操作如下:
降雨场记为 ,式中,X表示降雨场;t表示时间,n为时间序数最大值,R为实数域,m为站点个数; ,表示减去时均值后的n n
t 时刻的降雨强度;u(x,t)表示n时刻x站点的雨强, 表示x站点所有时刻的平均雨强;
对降雨场X进行奇异值分解 ,式中,Φ为模态矩阵,∑为模态含能对角阵,为时间系数矩阵;
选择主要模态,对降雨场进行重构: ,式中,j为模态序号,aj(t)为第j个模态的时间系数向量, 为第j个模态的模态值向量;
筛选部,根据所述降雨数据正交分解部的分解结果,筛选出表征时空属性的模态及对应的时间系数;
缺失降雨获取部,从主要模态中剔除所述筛选部筛选出的能够反映降雨时空特征的模态,以距离缺失站点位置处较近的站点为模板,利用剩余模态重构缺失站点所在位置的降雨过程,得到缺失站点处的降雨数据;以及控制部,与所述获取部、所述降雨数据正交分解部、所述筛选部、所述缺失降雨获取部均通信相连,控制它们的运行。
7.根据权利要求6所述的基于本征正交分解的雨量站缺失处降雨获取系统,其特征在于,还包括:
输入显示部,与所述获取部、所述降雨数据正交分解部、所述筛选部、所述缺失降雨获取部、所述控制部均通信相连,用于让用户输入操作指令,并进行相应显示。
说明书 :
基于本征正交分解的雨量站缺失处降雨获取方法及系统
技术领域
背景技术
影响,降雨的非一致性是水文模型不确定性的重要来源之一。
降雨时空变化的改进技术。雨量计是最常见的测量降雨的仪器,但它只能提供点测量结果,
缺乏空间变异方面的信息。然而,建设和维护高密度雨量站网络需要投入大量的人力物力
财力,且我国现有的雨量站数目有限,常常不能满足水文计算的需要。因此,在缺失站点处
模拟降雨过程的通常做法是以相邻站点的数据代替缺失站点处的降雨过程,但由于降雨本
身的时空非一致性,这种做法往往会带来很大误差。
发明内容
降雨场数据作为输入),对降雨场进行两次本征正交分解,得到降雨场的主要模态和相对应
的时间系数;模态对应降雨场分解后的雨强状态,主要模态为对降雨场能量贡献率较大的
那些模态;
得到缺失站点处的降雨数据。
失处降雨过程重构所需降雨资料为日尺度;中长历时(3天、1天)雨量站缺失处降雨过程重
构所需降雨资料为小时尺度;短历时(2小时、1小时)雨量站缺失处降雨过程重构所需降雨
资料为分钟尺度。
主要模态和模态对应的时间系数,本征正交分解具体操作如下:
n
均值后的tn时刻的降雨强度;u(x,t)表示n时刻x站点的雨强, 表示x站点所有时刻的
平均雨强;
角阵,Ψ为时间系数矩阵;
可反应模态能量贡献率大小,aj(t)为第j个模态的时间系数向量,φj(x)为第j个模态的模
态值向量。
型重构。
模态对应降雨场分解后的雨强状态,主要模态为对降雨场能量贡献率较大的那些模态;
雨过程,得到缺失站点处的降雨数据;以及
用于让用户输入操作指令,并进行相应显示。
性的模态及对应的时间系数;以距离缺失站点位置处最近的站点为模板,利用剩余主要模
态重构缺失站点所在位置的降雨过程。本发明将本征正交分解引入到缺失站点处的降雨过
程重构,基于不同的相邻站点的大量实测资料,有效解决了站点直接移植过程中由于时空
差异可能导致的误差问题,推求出的降雨过程与实际情况更为接近,能够获得精度高且更
加准确、合理的推求结果,为缺失雨量站处的降雨数据的获取提供了新思路。亦可为产汇流
计算提供基础数据,进一步得到研究区域的径流过程。
附图说明
具体实施方式
30.5°N 109.375°E,29.5°N 108.75°E,30.5°N 108.75°E,30°N 109.375°E,30°N 110.625°
E,31.5°N 110°E,31.5°N 113.125°E,30.5°N 115°E,30.5°N 115.625°E,31°N 115.625°E,
30.5°N 115.625°E,30°N 115°E,30°N 113.125°E,31°N 112.5°E,30.5°N 112.5°E,31.5°N
112.5°E,31°N 113.125°E,30°N 112.5°E,30°N 111.875°E,30°N 111.25°E,32.5°N
110.625°E,32°N 110.625°E,32.5°N 110.625°E,33°N 110°E,33°N 111.25°E,33°N 110°
E,32.5°N 110°E,32°N 113.75°E,32°N 113.75°E,31.5°N 113.125°E,32°N 113.125°E,
31.5°N 114.375°E,31°N 115°E,31°N 113.75°E,29.5°N 114.375°E,29.5°N 114.375°E,
30°N 111.25°E,32°N 111.25°E,31.5°N 111.875°E,32.5°N 111.875°E,31.5°N 111.875°
E,32°N 112.5°E,32°N 114.375°E,31.5°N 111.875°E,31°N 111.25°E,31°N 111.25°E,
30.5°N 110.625°E,30.5°N 111.875°E,30.5°N 110.625,31°N 113.75°E,30°N 113.75°E,
30.5°N 113.75°E,31°N),对这些站的降雨数据进行整理;
态对应降雨场分解后的雨强状态,主要模态为对降雨场能量贡献率较大的那些模态,本次
选取累积能量贡献率超过75%的模态为主要模态(图4);
雨数据。
值的平均水平,即总体结果可信;NSE远远小于0,则模型是不可信的。
模态对应降雨场分解后的雨强状态,主要模态为对降雨场能量贡献率较大的那些模态。
雨过程,得到缺失站点处的降雨数据。
重构出的缺失站点处的降雨数据进行显示。
内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上
所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。