一种重复观测气象数据优化处理方法与流程

1.本发明涉及气象数据处理技术领域，特别涉及一种重复观测气象数据优化处理方法。


背景技术：

2.气象数据是反映天气的一组数据，在研究气象过程中，对气象要素进行观测采样是研究气象特征规律的基本技术手段。为提高采样数据准确性，往往对采样点进行多次重复采样，对于处理重复观测气象采样数据，现有技术通过对多次重复采样数据取平均值作为样点最优数据，这种处理方法破坏了数据的自身数据结构，忽视了数据内部隐藏的规律。


技术实现要素：

3.发明目的：针对以上问题，本发明目的是提供一种准确度高、更接近实际值的重复观测气象数据优化处理方法。
4.技术方案：本发明的一种重复观测气象数据优化处理方法，包括如下步骤：
5.(1)采集一组重复观测气象数据，设该组数据数值区间的间隔点集合为u，计算气象观测值v隶属于间隔点u
i
的关联函数μ
i
；
6.(2)计算气象观测值v在集合u上每个间隔点区间上的关联函数；
7.(3)根据每个气象观测值的关联函数，计算所有气象观测值在集合u上每个区间的信息分配比重，选取最大信息分配比重对应间隔点作为最优数值区间，计算最优数值区间对应的最优采样值。
8.进一步，所述步骤(1)集合u＝{u0,u1,u2,
…
,u
n
}，关联函数表达式为：
[0009][0010]
其中u
i
和u
j
属于集合u；关联函数μ
i
表示气象观测值v在区间[u
i
‑1,u
i
]上隶属于区间间隔点u
i
的概率为p,表示为：
[0011]
p＝μ
i
(u
i
,v)。
[0012]
进一步，所述步骤(2)包括：
[0013]
(201)计算气象观测值v在相邻区间[u
i
,u
i 1
]的关联函数：
[0014]
设气象观测值v在相邻区间[u
i
,u
i 1
]概率等价点为v'，则v'和v关于u
i
对称，所述概率等价表示v'和v以相同概率隶属于对称中心；则在区间[u
i
,u
i 1
]上，v'以概率1
‑
p隶属于u
i 1
；
[0015]
v'是v的概率等价点，则气象观测值v以概率p*(1
‑
p)隶属于间隔点u
i 1
，气象观测值v在区间[u
i
,u
i 1
]关联函数表示为：
[0016]
μ
i 1
(u
i 1
,v)＝p*(1
‑
p)
[0017]
(202)计算气象观测值v在区间[u
i 1
,u
i 2
]的关联函数：
[0018]
v'在相邻区间[u
i 1
,u
i 2
]以u
i 1
为对称中心的对称点v”同样以概率p隶属于u
i 2
，v'
为v的概率等价点，v”是v'的概率等价点，v”以概率p隶属于间隔点u
i 2
，因此v以概率p*(1
‑
p)*p隶属于间隔点u
i 2
，则气象观测值v在区间[u
i 1
,u
i 2
]关联函数表示为：
[0019]
μ
i 2
(u
i 2
,v)＝p*(1
‑
p)*p
[0020]
(203)依此类推，得到v隶属于μ0，μ1，
…
，μ
n
所有的关联函数，表达如下：令气象观测值v所在数值区间以自然数标度为1，拟信息分配区间以自然数标度为t，气象观测值v在集合u每个数值区间的关联函数表示为：
[0021][0022]
进一步，所述步骤(3)包括：
[0023]
(301)所述信息量表示值域内任一数值区间所具有的每个采样值落入该区间的概率之和，即关联函数数值之和，计算气象观测值(v1,v2,...,v
n
)中每个观测值分配给间隔点u
i
的信息量，表达式为：
[0024][0025]
其中μ
it
表示第t个气象观测值v
t
隶属于间隔点u
i
的关联函数；
[0026]
(302)计算气象观测值(v1,v2,...,v
n
)在集合u上的所有信息量，表达式为：
[0027][0028]
(303)计算u
i
所在区间总的信息分配比重，表达式为：
[0029][0030]
其中f
i
表示气象观测值(v1,v2,...,v
n
)在集合u上的信息集聚程度，以f最大所对应间隔点u
h
代表的区间为最优数值区间。
[0031]
进一步，所述步骤(3)最优采样值表达式为：
[0032][0033]
有益效果：本发明与现有技术相比，其显著优点是：本发明把气象观测采样看作是随机的、伴随着各种偶然因素，通过建立采样值与气象观测值的值域区间的关联函数，实现所有观测采样值在每一个数值区间的信息分配计算，确定采样值的最优数值区间，进一步估计出气象观测采样的最优值。
附图说明
[0034]
图1为实施例气象观测值分布柱状图。
具体实施方式
[0035]
本实施例所述的一种重复观测气象数据优化处理方法，包括如下步骤：
[0036]
(1)采集一组重复观测气象数据，设该组数据数值区间的间隔点集合u＝{u0,u1,u2,
…
,u
n
}，间隔点根据采集到的观测值进行适当取值，计算气象观测值v隶属于间隔点u
i
的关联函数μ
i
，表达式为：
[0037][0038]
其中间隔点u
i
和u
j
属于集合u；关联函数μ
i
表示气象观测值v在区间[u
i
‑1,u
i
]上隶属于间隔点u
i
的概率为p,表示为：
[0039]
p＝μ
i
(u
i
,v)。
[0040]
(2)计算气象观测值v在集合u上每个间隔点区间上的关联函数；
[0041]
(201)首先计算气象观测值v在相邻区间[u
i
,u
i 1
]的关联函数：
[0042]
设气象观测值v在相邻区间[u
i
,u
i 1
]概率等价点为v'，则v'和v关于间隔点u
i
对称，其中概率等价表示v'和v以相同概率隶属于对称中心；则在区间[u
i
,u
i 1
]上，v'以概率1
‑
p隶属于u
i 1
；
[0043]
v'是v的概率等价点，则气象观测值v以概率p*(1
‑
p)隶属于间隔点u
i 1
，气象观测值v在区间[u
i
,u
i 1
]关联函数表示为：
[0044]
μ
i 1
(u
i 1
,v)＝p*(1
‑
p)
[0045]
(202)计算气象观测值v在区间[u
i 1
,u
i 2
]的关联函数：
[0046]
v'在相邻区间[u
i 1
,u
i 2
]以u
i 1
为对称中心的对称点为v”，v”以概率1
‑
p隶属于间隔点u
i 1
，v”以概率p隶属于间隔点u
i 2
，v'为v的概率等价点，v”是v'的概率等价点，因此v以概率p*(1
‑
p)*p隶属于间隔点u
i 2
，则气象观测值v在区间[u
i 1
,u
i 2
]关联函数表示为：
[0047]
μ
i 2
(u
i 2
,v)＝p*(1
‑
p)*p
[0048]
(203)依此类推，得到v隶属于μ0，μ1，
…
，μ
n
所有的关联函数，表达如下：令气象观测值v所在数值区间以自然数标度为1，拟信息分配区间以自然数标度为t，气象观测值v在集合u每个数值区间的关联函数表示为：
[0049][0050]
(3)根据每个气象观测值的关联函数，计算所有气象观测值在集合u上每个区间的信息分配比重，选取最大信息分配比重对应区间作为最优数值区间，计算最优数值区间对应的最优采样值。
[0051]
(301)计算气象观测值集合(v1,v2,...,v
n
)中每个观测值分配给间隔点u
i
的信息量，表达式为：
[0052][0053]
其中μ
it
表示第t个气象观测值v
t
隶属于间隔点u
i
的关联函数；
[0054]
(302)计算气象观测值(v1,v2,...,v
n
)在集合u上的所有信息量，表达式为：
[0055][0056]
(303)计算u
i
所在区间总的信息分配比重，表达式为：
[0057][0058]
其中f
i
表示气象观测值(v1,v2,...,v
n
)在集合u上的信息集聚程度，以f最大所对应间隔点u
h
代表的区间为最优数值区间。
[0059]
然后计算最优数值区间中的最优采样值，表达式为：
[0060][0061]
本实施例以以下一组重复观测数据来进一步介绍方法实现过程。
[0062]
在同一地点同一时刻进行了4次气温观测，观测值分别为27.4、28.1、28.9、29.4(单位：摄氏度)，根据观测值设置4个间隔点，分别是：28、29、30、31(单位：摄氏度)，利用本实施例方法计算每一个观测值隶属于每一个数值间隔点的关联函数值，结果如表1所示。
[0063]
表1观测值在各间隔点处的关联函数结果
[0064][0065]
然后计算每个观测值分配给间隔点的信息量，当间隔点分别为28、29、30、31时，4个观测值分配给间隔点的信息量分别为q1＝0.82，q2＝1.6，q3＝0.87，q4＝0.43，则气象观测值的所有信息量为s＝3.72，信息分配比重分别为f1＝0.22，f2＝0.43，f3＝0.24，f4＝0.16，根据f的计算值可以判断出间隔点29对应区间为最优数值区间。计算本次气象数据观测最优采样值为28.79。
[0066]
对于以上示例，传统方法采用4个观测值的平均值28.45作为最优采样值，把4个观测值做成柱状图如图1所示。分析柱状图可以看出，1
‑
2观测数据差值为0.7，2
‑
3观测值差值为0.8，3
‑
4观测值差值为0.5，也就是说3
‑
4更具有数值相似性，因此在4个数值当中，3、4观
测值更能代表真实值。对3、4观测值取平均值为29.15，传统平均值为28.45，本实施例计算值为28.79，本实施例计算值更接近代表值，因此具有较好的数据处理效果。