基于余弦相似度和移动曲面拟合的地面气温质量控制算法
发布时间：2021-09-28 23:53
针对传统地面气温质量控制算法在选取参考站和赋权时大多采用与目标站的欧式距离来判断与目标站的相关性程度,易导致最终质量控制结果精确度低且不稳定的问题,提出一种基于余弦相似度和移动曲面拟合的地面气温资料质量控制（MSF-COS-RMSE,MCR）算法。通过引入余弦相似度函数和均方根误差（root mean square error,RMSE）分析邻近站与目标站观测数据相关性,并使用余弦值与RMSE值对各参考站进行赋权,结合移动曲面拟合（moving surface fitting,MSF）算法拟合空间相关性曲面,求取目标站气温估计值。利用所提MCR算法对国家气象中心提供的8个地面观测站2014年日均温观测数据进行质量控制分析,并与反距离加权（inverse distance weighting,IDW）算法、空间相关性及B样条曲面拟合（spatial correlation and B-spline surface fitting, BSF）算法、MSF算法以及空间观测差异的地面气温资料质量控制（spatial observation diversity fitting, SDF）算法进行...
【文章来源】：中国科技论文. 2020,15(05)北大核心
【文章页数】：9 页
【部分图文】：
目标站周围站点空间分布
图2为目标站与周围站点的RMSE-COS示意图,可以看出:RMSE值和COS值基本呈线性变化,RMSE值越大,COS值越小;反之,RMSE值越小,COS值越大。将距离图中矩形区域较远的点称为离群点,将矩形外围较近的点称为邻近点,矩形内的点称为相似点。横坐标RMSE值计算各站点气温观测数据与目标站气温观测数据的误差,从观测数据本身分析站点间观测值的相关性程度;纵坐标COS值不考虑气温序列长度,只从方向上判断各站点与目标站的相似度,通过计算2个站点时间序列向量内积空间夹角的余弦值来度量相似性。在矩形区域内,RMSE<10,COS>0.9,认为超过这一阈值的站点从观测数据上来看与目标站相关度不高,即为邻站点和离群点。而区域内的所有站点均被选为参考站点,RMSE均在10以下,其中大部分集聚在5以内,从观测数据来看与目标站观测误差较小;COS均在0.9以上,各站点观测数据方向上的变化趋势接近,能够作为样本点更好地预测目标站的气温观测值。为了考察本文所提MCR算法的预测精度,利用IDW、BSF、MSF、SDF、MCR这5种算法对南京站和新乡站2014年地面气温资料质量控制效果进行分析,结果如图3所示。
为了考察本文所提MCR算法的预测精度,利用IDW、BSF、MSF、SDF、MCR这5种算法对南京站和新乡站2014年地面气温资料质量控制效果进行分析,结果如图3所示。由图3可见,对于不同目标站,算法的预测精度及拟合优度有明显的差异,其中IDW、BSF、MSF、SDF算法对目标站南京地面气温预测精度及拟合优度明显好于新乡站。根据2个站点周围地形进行分析:首先,目标站南京站所在高程为40 m,除去西南较远的黄山区周边高程约为200～600 m,其余200 km范围内高程均约为50 m,地形相对平缓,为平原地带,结合站点分布图(图1(a))可见,黄山区附近仅有4～5个站点,其余站点均分布在地势较为平缓的平原地带,因此5种算法对目标站南京地面气温预测效果较好;其次,目标站新乡站所在高程为100 m,且200 km范围内地形较为复杂,波动较大,其中新乡站西北部和北部高程为100～1 200 m,大部分约为1 000 m,其西南方向高程为100～400 m,东北方向和东南方向地形相对平坦,高程基本保持在50 m,结合站点分布图(图1(b))可见,西南方向和西北方向的站点分布较多,考虑地形、地貌对于气温观测值的影响,该站点周围气温分布情况相差较大,因此IDW算法、BSF算法、MSF算法、SDF算法对新乡站地面气温资料的预测效果明显不如南京站。
本文编号：3412781
【文章来源】：中国科技论文. 2020,15(05)北大核心
【文章页数】：9 页
【部分图文】：
目标站周围站点空间分布
图2为目标站与周围站点的RMSE-COS示意图,可以看出:RMSE值和COS值基本呈线性变化,RMSE值越大,COS值越小;反之,RMSE值越小,COS值越大。将距离图中矩形区域较远的点称为离群点,将矩形外围较近的点称为邻近点,矩形内的点称为相似点。横坐标RMSE值计算各站点气温观测数据与目标站气温观测数据的误差,从观测数据本身分析站点间观测值的相关性程度;纵坐标COS值不考虑气温序列长度,只从方向上判断各站点与目标站的相似度,通过计算2个站点时间序列向量内积空间夹角的余弦值来度量相似性。在矩形区域内,RMSE<10,COS>0.9,认为超过这一阈值的站点从观测数据上来看与目标站相关度不高,即为邻站点和离群点。而区域内的所有站点均被选为参考站点,RMSE均在10以下,其中大部分集聚在5以内,从观测数据来看与目标站观测误差较小;COS均在0.9以上,各站点观测数据方向上的变化趋势接近,能够作为样本点更好地预测目标站的气温观测值。为了考察本文所提MCR算法的预测精度,利用IDW、BSF、MSF、SDF、MCR这5种算法对南京站和新乡站2014年地面气温资料质量控制效果进行分析,结果如图3所示。
为了考察本文所提MCR算法的预测精度,利用IDW、BSF、MSF、SDF、MCR这5种算法对南京站和新乡站2014年地面气温资料质量控制效果进行分析,结果如图3所示。由图3可见,对于不同目标站,算法的预测精度及拟合优度有明显的差异,其中IDW、BSF、MSF、SDF算法对目标站南京地面气温预测精度及拟合优度明显好于新乡站。根据2个站点周围地形进行分析:首先,目标站南京站所在高程为40 m,除去西南较远的黄山区周边高程约为200～600 m,其余200 km范围内高程均约为50 m,地形相对平缓,为平原地带,结合站点分布图(图1(a))可见,黄山区附近仅有4～5个站点,其余站点均分布在地势较为平缓的平原地带,因此5种算法对目标站南京地面气温预测效果较好;其次,目标站新乡站所在高程为100 m,且200 km范围内地形较为复杂,波动较大,其中新乡站西北部和北部高程为100～1 200 m,大部分约为1 000 m,其西南方向高程为100～400 m,东北方向和东南方向地形相对平坦,高程基本保持在50 m,结合站点分布图(图1(b))可见,西南方向和西北方向的站点分布较多,考虑地形、地貌对于气温观测值的影响,该站点周围气温分布情况相差较大,因此IDW算法、BSF算法、MSF算法、SDF算法对新乡站地面气温资料的预测效果明显不如南京站。
本文编号：3412781
本文链接：https://www.wllwen.com/projectlw/qxxlw/3412781.html
