《雨量预报评价与衡量模型.doc》由会员分享，可在线阅读，更多相关《雨量预报评价与衡量模型.doc（12页珍藏版）》请在三一办公上搜索。
1、word雨量预报方法的评价模型1. 问题分析雨量预报对农业生产和城市工作和生活有重要作用，但准确、与时地对雨量作出预报是一个十分困难的问题。 针对问题一，气象部门提供了41天实测数据并且希望建立数学模型来评价两种雨量预报方法的准确性。通过分析数据可知，网格点数据代表的是53*47的网格点的预测雨量，而实测数据是以经纬度定位的观测点的实测雨量。很显然无法对两个定位方式不同的数据进展插值。所以我们选取与对应观测站点最近的5个网格点，通过计算网格点对对应观测站点的权重和网格点的预测雨量的乘积的和求出观测站点的预测雨量。然后就可以通过对两种方法的预测雨量与实测雨量进展比拟得出哪种方法更准确。由于两种方
2、法与实测雨量很相近，很难比照出两种方法的准确性，所以我们采用预报偏差率来比拟两种6小时雨量预报方法的准确性。2. 模型假设1观测站点之间距离的设置是不同的。3. 符号说明：表示第n个网格点到第i个观测站点的距离；(其中n=1,2,3,4,5; i=1-91)：表示与第i个观测站点的距离最小的前5个网格点的权重；：表示第i个网格点分别在某月某日某个时段的雨量值；其中n=1,2,3,4,5：表示第i个观测点第j个时段的预测雨量值；：表示第i个观测点第j个时段的实测雨量值。4. 模型的建立与求解4.1.1 首先，找出网格点与观测站点的散点图.从图中可以看出，观测站红点与网格点蓝点分布不均匀。且观测站
3、点分布在网格点中间局部。4.1.2 筛选出每一个站点周围的5个距离观测站点最近的网格点。5个网格点的选取通过先给定最大与最小值的X围，然后利用matlab的find()函数找出符合筛选条件的全部点。见附录24.1.3 运用欧拉公式求出符合条件的5个网格点到观测站点的距离的集合，并对其进展从小到大排序。欧拉距离公式：4.1.4 运用欧拉的倒数加权法计算出5个网格点到观测站的权重1计算公式：4.1.5 计算观测点的雨量预测值，取得每一个5个网格某月某日某时段对应的预测雨量值乘以其对应的权重即等于各个观测点各个时段的预测雨量值。计算公式：4.1.6 已经得到了两种方法的观测点的预测雨量，接下来如此与
4、实测数据比拟，分析哪种方法的准确性高。 通过比拟方法1与方法2的4个时段的预测雨量的平均值见附录四预测雨量的平均值第一时段第二时段第三时段第四时段方法一方法二实测雨量的平均值第一时段第二时段第三时段第四时段实测 通过对上面两个表格的分析可得平均值无法得到准确评估，故采用求预报偏差率的方法来判断两种方法的准确性。计算公式： 由于最终结果依然是一个164*91矩阵，所以对其求和之后再对他进展求列平均得到一个行向量，然后再对行向量平均得到一个均值通过matlab程序，最终得到：5. 参考文献1雨量预报数学模型论文2 欧拉, 基于欧式距离的最近邻改良算法，3 H. P. Williams, 数学规划模
5、型建立与计算机应用，国防工业，1991年；六 附录附录1x=lat;y=lon;xi=A020618(:,2); %为了不让编译器报错，故将文件名第一个改为A开头yi=A020618(:,3); plot(x,y,.b,xi,yi,.r)axis(27.3 35.3 116.8 125);xlabel(经度),ylabel(纬度),title(观测站点与网格点分布图)附录2x=lat;y=lon;xi=A020618(:,2); %为了不让编译报错，故将文件改名为A字母开头yi=A020618(:,3); max_x1=max(xi); min_x2=min(xi); max_y1=max(y
6、i); min_y2=min(yi); b1=find(x=min_x2&x=min_y2&sWang_y=min_x2&x=min_y2&sWang_y=max_y1);%筛选后满足条件的点的y坐标位置 youXiao_x=sWang_x(b3); %有效的点 youXiao_y=sWang_y(b3); xb4=xi; yb4=yi; l=length(youXiao_x); d=zeros(91,l);for i=1:91 for j=1:l d(i,j)=sqrt(xb4(i)-youXiao_x(j)2+(yb4(i)-sWang_y(j)2); %用欧拉公式计算距离endend附录
7、4 实测平均值 sum1=0; sum2=0; sum3=0; sum4=0;for i=1:4:164 for j=1:91 sum1=sum1+B1(i,j);endend avg1=sum1/(41*91);for i=2:4:164 for j=1:91 sum2=sum2+B1(i,j);endend avg2=sum2/(41*91);for i=3:4:164 for j=1:91 sum3=sum3+B1(i,j);endend avg3=sum3/(41*91);for i=4:4:164 for j=1:91 sum4=sum4+B1(i,j);endend avg4=su
8、m4/(41*91);求预测平均值for i=1:4:164 sum1=sum1+A1(i);end avg(1)=sum1/41;for i=2:4:164 sum2=sum2+A1(i);end avg(2)=sum2/41;for i=3:4:164 sum3=sum3+A1(i);end avg(3)=sum3/41;for i=4:4:164 sum4=sum4+A1(i);end avg(4)=sum4/41;for i=1:4:164 sum1=sum1+A2(i);end avg(2,1)=sum1/41;for i=2:4:164 sum2=sum2+A2(i);end av
9、g(2,2)=sum2/41;for i=3:4:164 sum3=sum3+A2(i);end avg(2,3)=sum3/41;for i=4:4:164 sum4=sum4+A2(i);end avg(2,4)=sum4/41;end附录5参考：雨量预报数学模型论文计算偏差率w=reshape(a,455,1);%将91*5个点转换成455*1 A11=A1(:,w); %第一类164*455个降雨量 A22=A2(:,w); %第二类164*455个降雨量 gg=repmat(HH,164,1) % 为使HH与A11，A22大小一样，扩展平铺HH，gg大小为164*455A1_1=gg
10、.*A11 %第一类方法权与降雨量乘积 A2_2=gg.*A22 %第二类方法权与降雨量乘积大小为%分别对A1_1，A2_2每隔5列求和并返回sum1,sum2% sum1=; for i=1:5:454 sum1=sum1 A1_1(:,i)+A1_1(:,i+1)+A1_1(:,i+2)+A1_1(:,i+3)+A1_1(:,i+4); endsum2=; for i=1:5:454 sum2=sum2 A2_2(:,i)+A2_2(:,i+1)+A2_2(:,i+2)+A2_2(:,i+3)+A2_2(:,i+4); endB1=; for month1=6:7 if month1=6;
11、 for data1=18:28%str3=020 int2str(month1) int2str(data1); str3=020 int2str(month1) int2str(data1) .SIX; tmp3=load(str3); B1=B1;tmp3(:,4:7); endelsefor data1=1:30 if data110 strtmp=0 int2str(data1); elsestrtmp=int2str(data1); endstr3=020 int2str(month1) strtmp .SIX;tmp3=load(str3);B1=B1; tmp3(:,4:7);endendend附录6B_1=abs(sum1-B1)./sum1; %第一种方法的偏差率 B_2=abs(sum2-B1)./sum2;%第二种方法的偏差率 B_1(find(isnan(B_1)=1)=0; %将B_1中NaN替换成为0 B_2(find(isnan(B_2)=1)=0; %将B_2中NaN替换成为0 sum_1=sum(B_1);sum_2=sum(B_2);D1=mean(sum_1) %列平均，得到行向量D_1=mean(D1) %再对行向量平均，得到一个值D2=mean(sum_2) D_2=mean(D2) 12 / 12
