买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明公开了一种基于数理不确定性分析的多源降水数据融合方法，包括：S1.降水数据的时空分辨率统一；S2，降水数据的系统偏差校正；S3，构建多源降水数据的误差矩阵；S4，多源降水自适应融合；S5，融合降水数据集的晴雨分类误差校正；S6，降水融合数据后处理。本发明最大限度地克服了多源降水数据在不确定性分析与融合过程中对地面观测的依赖，完善了地面观测站点稀疏区的降水融合技术，提升了大空间范围的多源降水数据融合稳定性，显著降低了降水事件的误报率，避免了卫星数据噪音的过拟合问题，最终得到更为准确、可靠的大范围降水数据产品，为进一步提升区域水资源管理与自然灾害预警和监测能力提供有力支撑。

主权项：1.一种基于数理不确定性分析的多源降水数据融合方法，包括以下步骤：S1.降水数据的时空分辨率统一：对常用的至少三种降水数据集进行时空分辨率统一的预处理，通过算数平均与最近距离插值法将多源降水数据集的时空分辨率分别统一至≥0.5小时和≥0.05°，得到多个时空分辨率统一的降水数据集；S2，降水数据集的系统偏差校正：基于全球月尺度降水量的参考值，对步骤S1得到的多个时空分辨率统一的降水数据集进行逐月校正，得到校正后的多源降水数据集；S3，构建多源降水数据的误差矩阵：基于三重排列分析方法TC和降水数据集之间的误差独立性，建立基于四重排列分析方法QC的多源降水不确定性分析方案；使用QC方法计算步骤S2校正后的多源降水数据集的降水误差及各数据集间的误差互相关性，得到多源降水数据的误差矩阵；S4，多源降水自适应融合：使用最小二乘法与步骤S3构建的多源降水数据的误差矩阵，求解各个卫星降水数据集的最优融合权重，当权重出现负值时，自动剔除不确定性最大的降水数据，重新计算融合权重，直至所有选取的卫星数据融合权重为正值，得到自适应的优化融合降水数据集；S5，融合降水数据集的晴雨分类误差校正：通过分类变量融合算法，逐格点计算最优晴雨分类时间序列，使用该最优晴雨分类时间序列来纠正步骤S4得到的优化融合降水数据集的晴雨分类误差，得到晴雨分类误差校正后的降水融合数据集；S6，降水融合数据后处理：再次使用全球月尺度降水量的参考值，对步骤S5所生成的降水融合数据集进行系统偏差校正，确保消除融合过程中可能引入的系统偏差，完成多源降水数据融合；其中，步骤S3构建多源降水数据的误差矩阵的步骤如下：1基于TC的降水数据误差独立性判别：通过TC方法，对多源数据中的任意三组降水数据集x1、x2、x3的精度进行计算： 其中，COV代表协方差；与分别代表x1、x2、x3三组降水数据所对应的精度；当至少两个数据集xs1与xs2的精度及不随第三组数据集xi的变化而变化时，判定数据集xs1与xs2独立于其它降水数据；2基于QC的降水数据误差信息估算：根据上述TC分析所选定的独立数据集xs1与xs2，构建QC不确定性分析方案；使用QC方法，对S2中多源降水数据的误差结构进行数学建模与联合求解，计算得到多源降水数据的误差与各数据集间的互相关性误差；3构建多源降水数据误差矩阵：在QC方法中，具有四个降水产品xs1,xs2,xi及xj，其中xs1和xs2独立于xi与xj，由前述TC分析中所选定；QC允许xi和xj为非独立的数据集，存在互相关误差的可能性，QC方法同时估算上述四种数据集的误差A及互相关性误差b： 根据A与b，求解：a＝ATA-1ATb.6其中，a为使用QC计算所得的列向量，其包括了各降水数据的误差及误差协方差信息；AT为A的转置矩阵；3构建多源降水数据误差矩阵：将式5与6定义为QC算子：QCxs1,xs2,xi,xj，通过变更xi与xj所对应的数据集，循环求解所有候选降水数据集的误差及互相关性误差，构建误差矩阵： 其中C为误差矩阵，当E的下标中两个数字相同时，其表示某数据集的误差方差，当其下标中两个数字不同时，表示两个数据集间的误差协方差；步骤S4进行多源降水自适应融合的具体方法为：根据最小二乘法，多源降水数据融合表达式为： 式中，xm为融合后的降水数据集；λi为融合权重；其中，各个数据集的最优融合权重表示为： 其中为式7计算的降水数据集误差矩阵的逆矩阵中的不同元素；当降水数据的随机误差或互相关性误差较高时，使用迭代程序剔除基于QC的误差方差最高的降水数据集，重新计算剩余降水数据集的融合权重，直到所有保留的融合权重λi值全部为正值；步骤S5的具体方法为：根据CTC-M算法的原理，首先将降水数据转换为晴雨二进制时间序列，设三组独立的晴雨分类时间序列分别为d1，d2与d3，其协方差表示为：Q12＝COVd1,d2＝fP2π1-12π2-110Q13＝COVd1,d3＝fP2π1-12π3-111Q23＝COVd2,d3＝fP2π2-12π3-112其中，Q为不同晴雨二进制时间序列的协方差；P为晴雨时间序列真值；fP是P统计属性的函数；π为不同降水数据集的晴雨分类精度；根据式10到12，计算得到与各个晴雨分类精度正相关的统计量v： 据此优化融合这三组卫星数据，得到精度更高的晴雨分类时间序列：dm＝signw1d1+w2d2+w3d316 其中，d1、d2、d3为三种产品的晴雨时间序列；w1、w2、w3为对应的融合权重；wi为xi产品对应的融合权重；使用优化融合的晴雨分类时间序列dm，校正步骤S4所生成的最终的优化融合降水数据集xm。

全文数据：

权利要求：

百度查询： 天津大学 一种基于数理不确定性分析的多源降水数据融合方法