CN119395794A 降水预测方法、装置和计算机设备 （清华大学）

节特征预测模型和目标区域的目标降水时间系降水季节特征预测结果包括多个降水季节特征2获取目标区域的目标降水时间系数对应的各预报因根据预先建立的降水季节特征预测模型和所述各预报因子的历史根据预先构建的降水事件模拟生成模型和所述目标区域的根据所述降水季节特征预测结果和所述降水事件模拟结果，确针对每一个目标降水时间系数，将所述目标降水时间系数对对各所述目标降水时间系数的概率分布预测结将抽样得到的各所述目标降水时间系数的样本与所述目标区域的目标降水模态的三将各次抽样对应的降水季节特征预测样本，构成所述目标区域根据所述降水事件发生模拟模型和所述目标区域的降水历根据所述降水量模拟模型、所述降水事件发生模拟结果和所述返回所述根据所述降水事件发生模拟模型和所述目标区域的对所述降水季节特征预测结果和所述降水事件模拟结果均进行有采用L_BFGS_B拟牛顿优化算法，迭代调整本次抽样得到的降水事对每一次迭代调整后的所述降水事件模拟子结果进行预设窗口长度的滑动平3当迭代调整后的降水季节特征模拟样本与本次抽样得到的降水季节特征预测样本的针对所述目标区域内的每一个网格，按照预设的预对各所述历史降水数据三维矩阵的时间坐标进行预设窗口长度的滑动对所述降水模态采用Cattell碎石检验，确定目标降水模态的三维矩阵和目标降水时获取所述目标区域的预设的各气候变量的历史根据单位根检验算法和所述历史气候变量数据，检验所述目标降对所述数据降维结果采用Cattell碎石检验，确定所述目标降水时间系数对应的遥相第一获取模块，用于获取目标区域的目标降水时间系数对应的各预报因子的历史数第一确定模块，用于根据预先建立的降水季节第二确定模块，用于根据预先构建的降水事件模拟生成模型第三确定模块，用于根据所述降水季节特征预测结果和所8.一种计算机设备，包括存储器和处理器，所述存储器4处理器执行时实现权利要求1至6中任一项所述的方行时实现权利要求1至6中任一项所述的方5各预报因子的历史数据，确定所述目标区域在预设的预测时段内的降水季节特征预测结6[0013]将抽样得到的各所述目标降水时间系数的样本与所述目标区域的目标降水模态[0022]对每一次迭代调整后的所述降水事件模拟子结果进行预[0023]当迭代调整后的降水季节特征模拟样本与本次抽样得到的降水季节特征预测样[0029]对所述降水模态采用Cattell碎石检验，确定目标降水模态的三维矩阵和目标降7[0035]对所述数据降维结果采用Cattell碎石检验，确定所述目标降水时间系数对应的[0040]第三确定模块，用于根据所述降水季节特征预测结果和述计算机程序被处理器执行时实现上述第一方面所节特征的准确预测，并基于预测结果模拟不同事件发生情景以实现对不确定部分的预估，8[0047]图2为一个实施例中根据预先建立的降水季节特征预测模型和各预报因子的历史[0048]图3为一个实施例中根据预先构建的降水事件模拟生成模型和目标区域的降水历[0049]图4为一个实施例中根据降水季节特征预测结果和降水事件模拟结果，确定目标[0053]图8为一个实施例中对每个降水模态时间系数预测能力的五折交叉验证结果示意[0056]图11为一个实施例中模型模拟与实际观测的A流域日降水量累计分布函数的对比多个物理服务器构成的服务器集群或分布式系统，还可以是提供云计算服务的云服务器。9[0078]在本申请实施例中，目标降水时间系数与目标降水时间系数预测子模型一一对过程中通过最大化对数边际似然估计得到参数的后验估计。由于回归系数服从正态分布，回归模型对于每年各目标降水时间系数的预测结果采用期望标降水时间系数的样本为目标降水时间系数的概率分布预测结果包含的目标降水时间系[0082]步骤203，将抽样得到的各目标降水时间系数的样本与目标区域的目标降水模态[0089]终端将目标区域的降水历史数据进行二值化处理，以表征晴天和雨天两个状导的降水发生序列的模拟秩相关矩阵csym一般会小于coss，即模拟的降水发生序列比观为第i次迭代模拟降水发生序列实际计算得到的相关系数矩阵，为决定收敛速度与精度矩阵1_范数小于数预设的偏差阈值和/或达到预设的秩相关优化[0095]在完成降水发生序列的模拟后，终端针对每一个发生降水事件的网格生成降水[0097]终端对每一个发生降水事件的网格计算发生指数K，用于表征该降水事件的空间根据所属类对应的Kappa_3参数分布拟合结果随机生成降水量，得到最终的降水事件模拟区域在预测时段内的降水事件发生模拟结果步骤，直至满足预设的降水事件模拟停止条[0101]上述降水预测方法中，根据降水事件发生模拟模型和目[0108]步骤403，对每一次迭代调整后的降水事件模拟子结果进行预设窗口长度的滑动[0110]步骤404，当迭代调整后的降水季节特征模拟样本与本次抽样得到的降水季节特特征模拟样本和本次抽样得到的降水季节特征预测样本，计算该次迭代调整后的均方差。当迭代调整后的降水季节特征模拟样本与本次抽样得到的降水季节特征预测样本的均方水季节特征预测与事件模拟结果，即可得到一次季节特征预测结果下的一次降水情景模一个目标降水时间系数，分别对该目标降水时间系数与目标区域内每一个网格的各气候变量的历史气候变量数据进行显著性检验。具体的，终端应用最大滞后3年的格兰杰个网格的各气候变量的因果性。然后，终端将通过显著性检验的网格的气候变量的历史气候变量数据加入该目标降水时间系数的气候变量集合中。其中，一个目标降水时间系数对应一个与之具备因果性的气候变量集合。过显著性检验的网格的气候变量的历史气候变量数据加入该目标降水时间系数的气候变剪后的数据按年整理为32个三维数组样本，每个样本[0144]用于构建预报因子的多源数据中的海洋与陆地表面温度数据来自于HadCRUT5分处理后满足平稳性条件。应用最大滞后3年的Granger因果检验在α=0.05的显著性水平下集合应用主成分分析进行数据降维，保留10个主成分时，可以解释各大集合超过60%的方（5_foldcross_validation）评估系数预测能力的五折交叉验证结果，可决系数R2达到0.8左右，对A流对面平均年降雨量的预测结果，预测结果与观测偏差较小且实际观测均处于预测结果的置更慢的收敛速度。将生成的模拟降水序列双线性插值回原始尺寸得到A流域降水的模拟结迭代优化直至调整后的每个网格的降水序列的季节特征均与预测结果的均方差收敛到最[0159]将抽样得到的各所述目标降水时间系数的样本与所述目标区域的目标降水模态[0168]对每一次迭代调整后的所述降水事件模拟子结果进行预[0169]当迭代调整后的降水季节特征模拟样本与本次抽样得到的降水季节特征预测样[0177]第二获取模块，用于获取所述目标区域的预设的各气候变量的历史气候变量数标降水时间系数与所述气候变量是否满足平稳[0179]第二检验模块，用于当所述目标降水时间系数与所述气候变量满足平稳性条件[0182]上述降水预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器机程序被处理器执行时实现上述各方法实施例中易失性存储器和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read_