一种基于遗传算法改进最优窗宽理论的西太平洋副热带高压面积指数预测方法技术

一种基于遗传算法改进最优窗宽理论的西太平洋副热带高压面积指数预测方法，包括以下步骤：确定副热带高压面积指数异常年份，副热带高压面积指数的信息扩散估计，建立副热带高压面积指数的模糊映射关系，建立副热带高压面积指数的最优窗宽，基于遗传算法对副热带高压面积指数的最优窗宽的改进，最终可以预测出副热带高压的面积指数。本发明专利技术构建了新的副热带高压面积指数信息扩散预报模型，能够实现对副热带高压面积指数的准确预报，解决了副高活动异常和中长期预报不准确等问题。

【技术实现步骤摘要】

本专利技术涉及一种基于遗传算法改进最优窗宽理论的西太平洋副热带高压面积指 数预测方法，具体说是针对西太平洋副热带高压异常年份，利用遗传算法改进的最优窗宽 理论，寻求一种能对西太平洋副热带高压面积指数进行准确预测的方法。
技术介绍
西太平洋副热带高压（简称副高，后同）是位于低炜度的重要大型环流系统，是直 接影响我国的重要天气系统之一，我国江淮流域的洪涝和干旱灾害就是经常由于其异常活 动所导致的。如1998年8月副高的异常南落导致位于长江流域的特大洪涝灾害；2010年5 至7月14轮暴雨袭击华南、江南流域也是由于夏季副高的异常活动；2013年夏季副高的异 常增强活动导致7至8月江南、江淮、江汉及重庆等地的异常高温天气。这些灾害均是由副 高的异常活动所致，因此关于副高异常年份的预测对于防灾减灾有着重要的意义，而副高 面积指数是由中央气象台1976年定义的，专门用来描述副热带高压强度的指数，因此副高 面积指数的预测研宄历来也为气象学家所重视。 但副高活动具有明显的非线性和非周期性，针对性描述副高活动的物理解析模型 很难准确构建，因此副高预测（尤其是副高的中、长期预测）一直是气象科学研宄和灾害性 天气预报的难点问题。目前副高预报主要分为形势预报、统计预报和数值预报。形势预报 较大依赖于预报经验，主观因素影响较大；统计预报对观测数据要求较高，且缺乏明确的物 理意义，目前主要用于副高的各种特征指数预报，且对副高的异常活动和中长期预报表现 出较大的局限性。近年来方差分析、人工神经网络等非线性统计学方法在副高预报中取得 了一定的成效，但在预报因子的选择以及预报时效上仍存在较多不足。数值预报是目前副 高预报的主要手段，但由于副高活动机理和规律尚未彻底弄清楚，一定程度上制约了副高 数值预报的准确率。目前，副高的数值预报产品均不同程度地存在预报偏差，尤以副高活动 异常和中长期预报中的误差更为明显。 近年来有学者提出了信息扩散概念，并根据分子扩散原理导出了正态扩散函数， 运用择近原则得到经验窗宽，同时结合信息矩阵使信息扩散在地质灾害风险分析领域得到 了比较系统的应用；针对经验窗宽的缺陷，又有专家学者根据母体分布估计的均方误差最 小准则，提出了适用于多种分布的最优窗宽理论，在处理单一变量的信息扩散估计方面较 经验窗宽具有优势。然而根据近年来的研宄发现，最优窗宽在应对时间、水文要素等多变量 共存的资料进行插值试验时，效果并不理想，仍然有很大的改进空间。 针对传统方法在副高预测方面存在的不足，本专利技术引入信息扩散和模糊映射思 想，同时运用遗传算法改进最优窗宽理论，建立了新的西太平洋副热带高压面积指数的扩 散预测模型。该模型通过对零散数据点的信息进行模糊扩散，进而实现对有限数据点信息 向其邻近区域点的概率插值预测。该技术能够准确的对副热带高压面积指数进行预测，相 较传统方法有了较大的改进，而且计算速度快。
技术实现思路
本专利技术所解决的技术问题在于提供一种基于遗传算法改进最优窗宽理论的西太 平洋副热带高压面积指数预测方法，以解决上述
技术介绍
中副高活动异常和中长期预报不 准确问题。本方法在最优窗宽理论的基础上，设计了基于遗传算法的改进窗宽，并且借鉴模 糊映射思想，构建了新的副热带高压面积指数信息扩散预报模型。新的信息扩散预报模型 精度高，计算简单，小样本即可建立模型，较适合副热带高压这种复杂非线性系统的中长期 预报，应用前景广泛。 为了详细的介绍本专利技术的内容，下面对一些概念进行阐述或者定义： 定义1 :副高面积指数（SI)，其主要用来表征副高范围和强度形态，采用中央气象 台（1976)的定义：在2.5° X2.5。网格的500hPa位势高度图上，10° N向北，110° E~ 180° E的范围以内，平均位势高度大于588dagpm的网格点数。其值越大，所代表的副高范 围越广或者强度越大。 定义2 :马斯克林高压指数： 在范围内海平面气压格点平均值. 定义3 :索马里低空急流指数： 在范围内850hPa经向风格点平均值； 本专利技术的技术方案是： ， 包括以下步骤： 步骤1:确定副热带高压面积指数异常年份。 参照中央气象台定义的副高面积指数，计算近三十年夏半年平均的副高面积指数 变化，通过计算确定副高面积指数最为异常的年份。 步骤2 热带高压面积指数的信息扩散估计 设X = {Xi，X2, λ，xn}是步骤1选定的异常年份影响副高面积指数的物理因子U 上的一个知识样本，记Xi的观测值为I i，再设X = Φ (I-Ii)，则当X非完备时，存在函数 μ (X)使1点获得的量值为1的信息可按μ (X)量值扩散。且扩散所得到的原始信息分布【主权项】1. ，其 特征是包括以下步骤： 步骤1)确定副热带高压面积指数异常年份； 步骤2)副热带高压面积指数的信息扩散估计； 步骤3)建立副热带高压面积指数的模糊映射关系； 步骤4)建立副热带高压面积指数的最优窗宽； 步骤5)基于遗传算法对副热带高压面积指数的最优窗宽的改进； 步骤6)最终可以预测出副热带高压的面积指数。2. 根据权利要求1所述的一种基于遗传算法改进最优窗宽理论的西太平洋副热带高 压面积指数预测方法，其特征在于所述步骤1)确定副热带高压面积指数异常年份的步骤 为：参照中央气象台定义的副高面积指数，计算近三十年夏半年平均的副高面积指数变化， 通过计算确定副高面积指数最为异常的年份。3. 根据权利要求1所述的一种基于遗传算法改进最优窗宽理论的西太平洋副热带高 压面积指数预测方法，其特征在于所述步骤2)副热带高压面积指数的信息扩散估计包括 以下步骤： 设X= {Xi，X2, Λ，Χη}是步骤1选定的异常年份影响副高面积指数的物理因子U上 的一个知识样本，记Xi的观测值为I i，再设X = Φ (I-Ii),则当X非完备时，存在函数 μ (X)使IiA获得的量值为1的信息可按μ (X)量值扩散；且扩散所得到的原始信息分布 η η (6(0 = Σ/<$)= Σ-u)能更好地反映 X在总体的规律，该思想被称为信息扩散原 理；根据这一原理对母体概率密度函数的估计称为扩散估计，扩散估计当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于遗传算法改进最优窗宽理论的西太平洋副热带高压面积指数预测方法，其特征是包括以下步骤：步骤1)确定副热带高压面积指数异常年份；步骤2)副热带高压面积指数的信息扩散估计；步骤3)建立副热带高压面积指数的模糊映射关系；步骤4)建立副热带高压面积指数的最优窗宽；步骤5)基于遗传算法对副热带高压面积指数的最优窗宽的改进；步骤6)最终可以预测出副热带高压的面积指数。

【技术特征摘要】

【专利技术属性】
技术研发人员：洪梅，张韧，白成祖，钱龙霞，
申请(专利权)人：洪梅，张韧，白成祖，钱龙霞，
类型：发明
国别省市：江苏;32