【摘要】：近年來,隨著氣象自動觀測站在全國范圍廣泛建立,氣象觀測數(shù)據(jù)的數(shù)據(jù)量呈指數(shù)級增長。氣象觀測數(shù)據(jù)質(zhì)量的好壞直接影響到天氣預(yù)報以及氣候預(yù)測的準確性。傳統(tǒng)質(zhì)控算法利用歷史資料的氣候?qū)W界限值及要素允許值進行檢查,對要素異常變化缺乏靈敏性,已不能滿足質(zhì)量控制工作的需要。數(shù)據(jù)挖掘方法是近年來出現(xiàn)的比較火熱的大數(shù)據(jù)分析方法,在氣象中的應(yīng)用逐漸豐富,比如應(yīng)用于天氣預(yù)報以及氣候預(yù)測,但是在氣象觀測數(shù)據(jù)質(zhì)量控制方面卻少有相關(guān)研究。本文詳細介紹了一種基于數(shù)據(jù)挖掘的氣象數(shù)據(jù)質(zhì)量控制方案。從同一觀測要素在不同時間觀測值之間的相關(guān)性(時間相關(guān)),以及同一觀測時間內(nèi)不同觀測要素之間的相關(guān)性(要素相關(guān))兩方面出發(fā),結(jié)合數(shù)據(jù)挖掘中的相關(guān)算法,提出了兩種不同的氣象觀測數(shù)據(jù)質(zhì)量控制方法,并結(jié)合兩種方法之間的互補性和關(guān)聯(lián)性,建立一套綜合質(zhì)控方案。本文的核心內(nèi)容包括三點。(1)根據(jù)各氣象觀測要素隨時間變化具有混沌性(潛在趨勢性和規(guī)律性)的特點,提出了一種時間相關(guān)的氣象觀測數(shù)據(jù)質(zhì)量控制方法。首先分析各要素的觀測序列在每小時級觀測尺度下的混沌特性,接著根據(jù)相空間重構(gòu)理論對氣象要素觀測序列進行相空間重構(gòu)。由于重構(gòu)后的氣象要素數(shù)據(jù)序列具有高維非線性的特點,結(jié)合SVM算法的優(yōu)點,利用內(nèi)積核函數(shù)將復(fù)雜的非線性問題映射到高維空間變成線性問題,建立一種基于支持向量機的混沌氣象要素時間序列預(yù)估模型。針對模型中核函數(shù)的選取,使用混合核函數(shù),并采取改進的粒子群算法對模型中的參數(shù)進行自適應(yīng)的學(xué)習(xí)和確定,提高模型對氣象要素的預(yù)估精度。根據(jù)實際觀測值與估計值的差異,評估實際觀測值中的異常數(shù)據(jù)。實驗證明本文提出的方法對異常氣象觀測數(shù)據(jù)的質(zhì)控靈敏度較高,適用于檢測出氣象觀測數(shù)據(jù)的異常值。(2)由大氣物理的變化機理和專業(yè)的氣象知識,可以確認某些氣象要素之間存在相關(guān)性,根據(jù)不同要素之間彼此相關(guān)的特點,提出了一種要素相關(guān)的氣象觀測數(shù)據(jù)質(zhì)量控制方法。該方法利用BP神經(jīng)網(wǎng)絡(luò)強大的非線性映射功能,以某一要素相關(guān)的其他要素作為輸入,該要素作為輸出,建立起基于多要素的BP神經(jīng)網(wǎng)絡(luò)氣象觀測數(shù)據(jù)預(yù)估模型。采用灰色關(guān)聯(lián)分析法對輸入要素進行篩選,去除輸入要素中具有強耦合性的要素,剩余要素再與輸出要素進行關(guān)聯(lián)度分析,除去關(guān)聯(lián)度較小的要素,通過合理的篩選輸入要素,從而提高模型的預(yù)估精度。根據(jù)實際觀測值與估計值的差異,評估實際觀測值中的異常數(shù)據(jù)。實驗證明本文提出的方法對異常數(shù)據(jù)的質(zhì)控靈敏度相對較高。(3)根據(jù)兩種方法之間的互補性和關(guān)聯(lián)性,建立綜合質(zhì)控方案,實現(xiàn)最終的綜合判定。選取華東地區(qū)某站點從2009年到2013年的每小時數(shù)據(jù)集作為質(zhì)控對象,實驗結(jié)果表明本文提出的方案能夠有效地對氣象觀測數(shù)據(jù)進行缺測值擬合及異常值檢測。本文提出了基于數(shù)據(jù)挖掘的氣象觀測數(shù)據(jù)質(zhì)控方案,將數(shù)據(jù)挖掘算法引入氣象觀測數(shù)據(jù)質(zhì)控中,豐富了氣象質(zhì)控手段。其檢出的異常數(shù)據(jù)可以為相關(guān)專家進行人工評判提供依據(jù)和支持。傳統(tǒng)質(zhì)控方法的質(zhì)控范圍較寬,已不能滿足現(xiàn)階段的質(zhì)控需要,本文研究的氣象數(shù)據(jù)質(zhì)控方案為尋找氣象數(shù)據(jù)質(zhì)控新方法提供了一些思路和有益的嘗試。
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P413;TP311.13
【圖文】：

圖３－１邋ＳＶＭ搜索最大邊緣超平面逡逑形式化方式具體描述如下：假定給定訓(xùn)練樣本集片１，義），（NB２，７２），．．．（而，＞０，其中逡逑義１，１。，．．．１。是《個訓(xùn)練樣本知托，．．一。是樣本的類標號。定義一個分類平面方程知逡逑豕．ｘ邋＋邋６邋＝邋０。對于線性可分的訓(xùn)練集，可能存在多個分類平面將兩類數(shù)據(jù)正確分逡逑

樣本量逡逑圖５－５基于時間相關(guān)的質(zhì)控結(jié)果圖逡逑從圖５－５中可Ｗ看出，估計值曲線基本與未植入誤差的實際值曲線基本擬合，逡逑植入誤差１０‘Ｃ，Ｗ規(guī)則｜；ＴｓＡｇｓ－ｒｔｅｖｔ｜＞７．５‘Ｃ，可レッ將所有錯誤數(shù)據(jù)全部檢測出來，逡逑質(zhì)控精度較高，基于時間相關(guān)的質(zhì)控規(guī)則和基于要素相關(guān)的質(zhì)控規(guī)則推導(dǎo)方式相同，逡逑在此不重復(fù)闡述。逡逑在５００條氣n葜興婊粞。保埃疤跏莘直鶚侄踩胛蟛釙桑叮荊矗場茫狀沖義現(xiàn)士胤椒ê捅疚奶岢齙幕諞叵喙睪突謔奔湎喙氐鬧士廝惴ń寫砦笫菁戾義喜�。其中时间一譃醇s觳檠∪〉氖牽斃∈筆北浼觳�，检诧傖果瓤z鹵硭荊礤義險氛頁齙拇砦笫菡頁隼吹母鍪�，Ｊ｀嵒代表误将正确数据巧为错误数臼~母鍪�。辶x希叮插義

本文編號：2717167