[0001] 本发明涉及降雨预报领域，尤其涉及一种基于台风相似性的多源降雨预报融合方法。

[0002] 台风期间，降雨作为水文循环中活跃的因子和导致洪水灾害最常见的因素，其数据精度和雨型对于洪水预报和防汛减灾具有重要意义。然而，当前的降雨预报由于受流域地形、地理位置、大气运动等因素的影响，表现出显著的时空变异性，这使得单源机构提供的未来降雨预报数据存在明显不足。首先，单源机构的未来降雨雨型通常以3小时为步长的时间序列进行预报，无法提供逐时降雨时间序列，导致雨型分布不够精细化，难以满足洪水预报模型对高分辨率输入数据的需求。其次，单源机构的未来降雨预报精度不足，由于技术限制和外部条件的不确定性，这些预报数值往往偏大，无法准确反映实际降雨情况，从而影响了洪水预报模型的可靠性和精度。因此，为了提高洪水预报的准确性和可靠性，亟需一种能够融合多源降雨预报数据的方法，以克服单源预报的局限性，提升降雨预报的数据精度。

[0015] 以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

[0016] 由于单源机构的未来降雨雨型通常以3小时为步长的时间序列进行预报，无法提供逐时降雨时间序列，导致雨型分布不够精细化，难以满足洪水预报模型对高分辨率输入数据的需求。其次，单源机构的未来降雨预报精度不足，由于技术限制和外部条件的不确定性，这些预报数值往往偏大，无法准确反映实际降雨情况，从而影响了洪水预报模型的可靠性和精度。因此，为了实现多源降雨预报数据的融合，提升降雨预报的数据精度，进而提高洪水预报的准确性和可靠性，如图1所示，本发明提出了一种基于台风相似性的多源降雨预报融合方法，包括：

[0017] 选择影响台风形成和发展的关键因子，针对当前台风与每一场历史台风，获取台风路径中每个台风路径点对应的由关键因子形成的多维向量，并根据各台风路径点对应的多维向量，构建每场台风对应的台风因子时间序列；所述关键因子包括：台风风速、大气气压、台风移动速度、季节因子值以及台风路径点的中心经度与中心纬度。

[0018] 将当前台风与每一场历史台风进行一对一组合，针对每一个组合，利用其对应的台风因子时间序列，计算当前台风与相应历史台风之间的相似距离；选取相似距离小于预设阈值的历史台风，组成历史台风数据集合；所述针对每一个组合，利用其对应的台风因子时间序列，计算当前台风与该历史台风之间的相似距离，具体包括：
对第一序列与第二序列中的点即多维向量进行两两组合，并求取每一点对的多维欧式距离；所述第一序列表示组合中当前台风的台风因子时间序列；所述第二序列表示相应组合中历史台风对应的台风因子时间序列；
所述第一序列的公式表达式为：
；其中， ；
式中，i=1…n，n表示第一序列中点的数量； 表示第一序列中第i个点对应的多维向量； 分别表示第一序列中第i个点的中心经度、中心纬度、台风风
速、大气气压、台风移动速度与季节因子值；
所述第二序列的公式表达式为：
；其中， ；
式中，j=1…m，m表示第二序列中点的数量； 表示第二序列中第j个点对应的多维向量； 分别表示第二序列中第j个点的中心经度、中心纬度、台风风
速、大气气压、台风移动速度与季节因子值；
所述求取每一点对的多维欧式距离的计算公式为：
；
式中， 表示点 与 之间的多维欧式距离； 、 、 、 、 、
相加的和为1，分别表示中心经度、中心纬度、台风风速、大气气压、台风移动速度与季节因子值对应的预设权重值； 表示第一序列中第i个点与第二序列中第j个点之间的直接距离即多维欧式距离。

[0019] 基于所有点对的多维欧式距离构建距离矩阵；

[0020] 基于距离矩阵利用动态时间规整算法求取用于记录第一序列与第二序列之间累积距离的累积距离矩阵M；所述累积距离矩阵M中的元素 表示第一序列中前个点与第二序列中前个点对齐时的最小累积距离；所述基于距离矩阵利用动态时间规整算法求取用于记录第一序列与第二序列之间累积距离的累积距离矩阵M，具体包括：

[0021] 设定求取累积距离矩阵M的边界条件；所述边界条件包括：
，表示第一序列与第二序列起点之间的累积距离为零；
；式中， ， 表示将第一序列的前i个点与第二序列
的第一个点对齐时的累积距离；
；式中， ， 表示将第一序列的第一个点与第二序
列的前j个点对齐时的累积距离。

[0022] 利用边界条件与距离矩阵中的元素以递归的方式逐步求解累积距离矩阵M中的每一个元素，得到累积距离矩阵M；求解公式为：； 且 ；
式中， 表示从第一序列的第一个点到第i个点与从第二序列的第一个点到第j个点之间所有可能路径中的最小累积距离；
表示对角线移动即从第一序列的第 个点到第i个点与从第二序列
的第 个点到第j个点之间所有可能路径中的最小累积距离；
表示水平移动即从第一序列的第 个点到第i个点与第二序列保持在
第j个点的所有可能路径中的最小累积距离；
表示垂直移动即从第一序列保持在第i个点与从第二序列的第 个点
到第j个点之间所有可能路径中的最小累积距离。

[0023] 下面以具体的数据说明 的计算，为了简化计算过程，本实施例以第一序列 与第二序列 均仅包括3个点对部分 进行计算说明：假设： ， ，且距离矩阵D为：

[0024] 表示第一序列 中第i个点与第二序列 中第j个点之间的直接距离。

[0025] 基于此，计算过程如下：

[0026] 1、边界条件：；
；
；
。

[0027] 2、以递归的方式逐步填充累积距离矩阵M中的元素：1）计算 ：
；
2）计算 ：
；
以此类推，直至求解出累积距离矩阵M中的最后一个元素（由于当前元素的计算依赖于前面元素的值，因此需要逐步求解出所有元素才能计算出最后一个元素）。

[0028] 通过累积距离矩阵M中的最后一个元素计算第一序列与第二序列之间的相似距离；计算公式为：式中， 表示累积距离矩阵M中的最后一个元素即第一序列与第
二序列之间全局最优匹配路径的最小累积距离； 分别表示第一序列与第二序列中点的数量；表示第一序列与第二序列之间的相似距离。

[0029] 本发明将当前台风与每一场历史台风进行一对一组合，并利用其对应的台风因子时间序列计算相似距离，通过选取相似距离小于预设阈值的历史台风，组成历史台风数据集合（即得到了与当前台风相似的历史台风雨型），确保了用于参考的历史台风与当前台风具有高度相似性，从而提高了预报的准确性。

[0030] 需要说明的是，本实施例还可以通过归一化函数对相似距离进行归一化，并选取归一化后的值小于设定阈值的历史台风，组成历史台风数据集合；归一化函数的公式表达式为：；式中，k=100。

[0031] 根据历史台风数据集合中各台风场次对应的实测降雨量构建一维向量，同时根据各台风场次对应多个预报机构的降雨量预报数值，分别为各预报机构构建对应的一维向量；

[0032] 本实施例中，预报机构包括：GFS预报机构、EC预报机构与中国气象局。

[0033] 历史台风数据集合、GFS预报机构、EC预报机构与中国气象局对应一维向量的公式表达式分别为：；
式中， 表示历史台风数据集合对应的一维向量，即各台风场次对应实测降雨量的集合， 表示第i场历史台风对应的实测降雨量； 表示GFS预报机构对应的一维向量，即该机构预测的各台风场次对应降雨量预报数值的集合， 表示GFS预报机构预测的第i场历史台风的降雨量预报数值； 表示EC预报机构对应的一维向量，即该机构预测的各台风场次对应降雨量预报数值的集合， 表示EC预报机构预测的第i场历史台风的降雨量预报数值； 表示中国气象局对应的一维向量，即该气象局预测的各台风场次对应降雨量预报数值的集合， 表示中国气象局预测的第i场历史台风的降雨量预报数值；其中，，表示历史台风数据集合中台风场次的数量。

[0034] 本发明根据历史台风数据集合中各台风场次对应的实测降雨量构建一维向量，并根据各台风场次对应多个预报机构的降雨量预报数值，分别为各预报机构构建对应的一维向量，这种做法不仅整合了多源数据，还通过综合校正系数进一步提高了数据精度，减少了单源预报的不确定性。

[0035] 通过历史台风数据集合与各预报机构对应的一维向量，获取每一预报机构对应的综合校正系数；具体包括：

[0036] 对于实测一维向量中的每一个元素，分别获取其与各预报机构对应一维向量中相应元素的比值，得到各预报机构对应的校正系数集合；所述实测一维向量表示历史台风数据集合对应的一维向量；本实施例中，比值的公式表达式为：
；式中， 表示第i个预报机构预报的第j场历史台风的降雨量预报数
值， 表示第j场历史台风对应的实测降雨量， 表示第i个预报机构针对于第j场历史台风的比值（或单场比值系数）；
GFS预报机构、EC预报机构与中国气象局对应的校正系数集合的公式表达式分别为：
；
式中， 表示GFS预报机构对应的校正系数集合， 表示EC预报机构对应的校正系数集合， 表示中国气象局对应的校正系数集合。

[0037] 分别对各预报机构对应的校正系数集合进行均值化处理，得到各预报机构对应的综合校正系数。

[0038] 本发明通过历史台风数据集合与各预报机构对应的一维向量，获取每一预报机构对应的综合校正系数，这一步骤有效修正了各预报机构的系统误差，使得未来的降雨预报更加贴近实际，提升了预报的可靠性和一致性。

[0039] 本实施例中，均值化处理的公式表达式为：；式中， 表示第i个预报机构的综合校正系数。

[0040] 通过历史台风数据集合与各预报机构对应的一维向量以及每一预报机构对应的综合校正系数构建动态贝叶斯优化模型，并基于动态贝叶斯优化模型获取各预报机构对应的最优权重系数与标准差；具体包括：构建后验概率分布；所述后验概率分布的计算公式为：
；
式中， 表示融合各预报机构的降雨量预报数值得到的预报融合数值， 表示
实测一维向量，s表示预报机构的数量， 表示第i个预报机构的权重系数， 表示第i个预报机构的综合校正系数， 表示第i个预报机构的一维向量， 表示
实测一维向量与不同预报机构对应一维向量的后验概率分布； 表示后验概率分布；
设定 服从正态分布：
；式中， 表示第i个预报机构中 的标
准差；
构建确定性估计值的计算公式：
；
式中， ，表示第i个预报机构的预报期望值；
表示确定性估计值；
构建用于体现预报融合数值不确定性的预测方差计算公式：
；
式中， 表示体现预报融合数值不确定性的预测方差；
通过极大似然估计法构建对数似然函数：
；
通过后验概率分布、确定性估计值、预测方差与对数似然函数对应的计算公式以及 服从正态分布的公式表达式形成的动态贝叶斯优化模型，求取
中的每一个参数，得到各预报机构对应的最优权重系数与标准
差。

[0041] 本发明基于历史台风数据集合与各预报机构对应的一维向量以及每一预报机构对应的综合校正系数，构建动态贝叶斯优化模型；该模型能够获取各预报机构对应的最优权重系数与标准差，实现了对多源预报数据的智能融合，提高了预报结果的准确性和稳定性。

[0042] 获取各预报机构最新的未来降雨量预报数值，并通过综合校正系数校正未来降雨量预报数值，得到各预报机构对应的预报校正值，通过各预报机构对应的最优权重系数、标准差与预报校正值获取预报融合数值及其对应的方差估算值，具体包括：获取各预报机构最新的未来降雨量预报数值，并通过各预报机构的综合校正系数校正对应的未来降雨量预报数值；校正公式为：
；式中， 表示第i个预报机构的未来降雨量预报数值， 表示
第i个预报机构对应的预报校正值；
根据各个预报机构对应的预报校正值和最优权重系数，计算预报融合数值，计算公式为： ；式中， 且 ；
基于计算得到的预报融合数值获取用于体现预报融合数值不确定性的方差估算值，获取公式为：
，式中， 表示方差估算
值。

[0043] 本发明获取各预报机构最新的未来降雨量预报数值，并通过综合校正系数校正这些数值，得到各预报机构对应的预报校正值，最后，通过各预报机构对应的最优权重系数、标准差与预报校正值，获取最终的预报融合数值及其对应的方差估算值，这种方法不仅提高了预报的精度，还提供了预报结果的不确定性评估，增强了预报的可信度和实用性。

[0044] 具体来说，本发明选择影响台风形成和发展的关键因子，并针对当前台风与每一场历史台风，获取每个台风路径点对应的多维向量；这种方法确保了台风特征的全面描述，提高了台风路径和因子时间序列的精细化程度，为后续相似距离的计算提供了高质量的基础数据；通过构建历史台风数据集合，并基于该集合与各预报机构对应的一维向量，本发明获取了每一预报机构的综合校正系数，有效修正了各预报机构的系统误差，使未来的降雨预报更加贴近实际；在此基础上，本发明进一步利用综合校正系数计算最优权重系数与标准差，显著提升了计算精度；最终，通过获取各预报机构最新的未来降雨量预报数值，并使用综合校正系数进行校正，得到各预报机构对应的预报校正值，结合各预报机构的最优权重系数、标准差与预报校正值，本发明获得了预报融合数值及其对应的方差估算值；这一过程不仅实现了对最新未来降雨量预报数值的针对性预测（即通过相似的历史台风数据集合对当前台风进行针对性预测），还极大提高了预测精度，为洪水预报和防汛减灾提供了可靠依据。

[0045] 另外，本发明克服了单源降雨预报数据时空变异性大、雨型分布不准和预报精度不足的问题，实现了多源降雨预报数据的高效融合，显著提升了洪水预报的准确性和可靠性。

[0046] 需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

[0047] 另外，在本发明中如涉及“第一”、“第二”、“一”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

[0048] 在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

[0049] 另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。