(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110053228.7 (22)申请日 2021.01.15 (65)同一申请的已公布的文献号 申请公布号 CN 112749510 A (43)申请公布日 2021.05.04 (73)专利权人 河海大学 地址 210024 江苏省南京市 鼓楼区西康路1 号 (72)发明人 李煜　曾新民　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 成立珍 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 20/10(2019.01) 审查员 王伟 (54)发明名称 一种结合支持向量机和交互式因子选取的 降水降尺度方法 (57)摘要 本发明公开了一种结合支持向量机和交互 式因子选 取的降水降尺度方法， 属于降水预报技 术领域， 本发 明的因子选取步骤利用了支持向量 机的模拟结果， 充分利用了现有资料， 并结合了 人工和计算机交互的二次确定方法， 使因子选取 结果更加合理。 本发明利用支持向量机对降水状 态和降水分组分别进行了模拟， 相比于仅将支持 向量机用于状态分类的统计降尺度方法， 更进一 步利用了支持向量机工具。 本发 明可以按月或按 季节进行降水的降尺度模拟， 并将这一过程与支 持向量机的模拟结果 适当地联系起 来。 权利要求书3页 说明书7页 附图1页 CN 112749510 B 2022.03.18 CN 112749510 B 1.一种结合支持向量机和 交互式因子选取的降水降尺度方法， 其特征在于， 包括以下 步骤： 1)用偏相关系数法对大尺度气象因子进行初步筛 选， 得到m个初步选 定的因子； 2)将降水数据分为率定期和检验期， 分别用相关性最大的前1， ……， k个因子， k≤m构 建率定期的气象因子与降水状态的k个SVM模型， 记为Oc c_SVM_k； 3)使用Occ_SVM_k对率定期状态进行分类， 并根据率定期状态分类结果得到关于最优 因子组合的选择 结果， 并将选择 结果返回到计算机； 4)利用步骤3)中选择的因子， 以及对应的降水状态SVM模型， 模拟检验期降水状态； 5)利用步骤3)中选择的因子， 构建月份或季节分组与气象因子的SVM模型， 记为 group_ SVM； 6)选定降水量分布函数， 按月份或季节计算 函数所需的参数； 7)利用group_SVM和步骤4)中得到的检验期降水状态， 对检验期有雨日进行月份或季 节分组； 8)按照检验期分组结果， 根据选择的降水量分布函数， 引用对应分组在率定期的参数， 模拟各组数据对应的降水量； 所述的步骤1)具体为用偏相关系数法对大尺度气象因子进行初步筛选， 包括以下步 骤： 1.1)在计算前， 首 先将降水量和气象因子处 理成在[0， 1]范围内的数值序列： 其中M*为处理后的序列， M为处理前的序列， max(M)为因子序列最大值， min(M)为因子序 列最小值； 1.2)处理后的降水量序列记为Y， 气象因子序列记为X1～Xn； 采用残差法计算降水量与 气象因子的偏相关系数： 记利用最小二乘法得到降水的回归方程 为： Y*＝b′0+b′1X1+b′2X2+…+b′nXn  (II) 其中Y*是回归方程得到的降水， b ′0， ......， b′n为回归方程的待定系数； 而Y关于X1～Xn的残差为： Ly·123...n＝Y‑b′1X1‑b′2X2‑…‑b′nXn  (III) 其中下角标y表示降水序列， 1～n分别表示 n个因子序列； 则降水量Y与气象因子Xi在其余因子控制下的偏相关系数为： 即等于残差Ly·1...(i‑1)(i+1)...n与Li·1...(i‑1)(i+1)...n的相关系数； ρyi·1...i‑1， i+1...n表示Y与 因子Xi在其余因子控制下的偏相关系数； 1.3)将降水数据分为率定期和检验期， 在i＝1， 2...， n时， 依次计算率定期的降水量Y 与气象因子Xi， 在其余因子的控制下的偏相关系数； 所述的步骤2)具体为： 判断在初步选择的因子中， 使用多少个因子模拟降水状态， 采用权　利　要　求　书 1/3 页 2 CN 112749510 B 2如下做法： 2.1)使用者根据偏相关系数大小， 初步判断构 建降水状态SVM模型的最大因子个数m， 0 <m<n； 2.2)分别用偏相关系数绝对值最大的前1， ……， k个因子， k≤m， 用Matlab8.5函数库中 的fitcsvm函数进行有雨和无雨两组的低维支持向量机训练， 核函数选择RBF， 构建率定期 的气象因子与降水状态的k个SVM模型， 记为Oc c_SVM_k； 所述的步骤3)具体为用matlab8.5函数库中的predict函数， 分别使用Occ_SVM_k对率 定期降水状态进行分类， 并根据分类结果与实际值的对比， 计算四种评价指标： 其中NA、 NB、 NC、 ND的含义分别为： 观测值为有雨时模拟值也有雨、 观测值为无雨时模拟 值为有雨、 观测值 为有雨时模拟值 为无雨、 观测值 为无雨时模拟值 也为无雨的次数； 根据指标二次选 定最优因子组合， 并将选择 结果返回到计算机； 所述的步骤4)选定了最优因子组合， 则利用检验期的因子以及训练好的Occ_SVM_k， 调 用matlab8.5函数库中的predict函数生成检验期降水状态。 2.根据权利要求1所述的一种结合支持向量机和交互式因子选取的降水降尺度方法， 其特征在于， 包括以下步骤： 所述的步骤5)具体为调用matlab8.5函数库中的fitcecoc函 数， 训练月份或季节分组与气象因子的SVM模型， 记为group_SVM； 具体包括如下步骤： 5.1)训练月份分组与气象因子的SVM模型时， 分组为月份， 因子为选定的率定期最优因 子组合； 5.2)训练季节分组与气象因子的SVM模型时， 分组为季节； 因子为选定的率定期最优因 子组合。 3.根据权利要求2所述的一种结合支持向量机和交互式因子选取的降水降尺度方法， 其特征在于， 所述的步骤6)具体为选定降水量分布 函数为指数分布 函数或gamma分布函数， 按月或按季节计算所需的参数； 具体包括如下步骤： 6.1)选择指数分布函数时， 计算率定期各个月份或各季节降水的均值 μ； 以此计算指数 分布函数参数： 6.2)选择gamma分布函数 时， 计算率定期各个月份或各季节降水的均值 μ和方差σ； 以此 计算gamma分布函数的参数： 4.根据权利要求3所述的一种结合支持向量机和交互式因子选取的降水降尺度方法， 其特征在于， 所述的步骤 7)具体为利用步骤4)中得到的检验期降水状态筛选出检验期的有 雨日， 调用matlab8.5函数库中的predict函数， 利用group_SVM对检验期有 雨日进行月份或 季节分组。权　利　要　求　书 2/3 页 3 CN 112749510 B 3