【技术实现步骤摘要】
本专利技术属于气象数据处理，具体涉及一种基于地形重要度的气象要素最邻近加权插值方法。
技术介绍
1、随着新能源电站发展需求愈发急迫，新能源规模也急剧增长。在新能源建设管理过程中，气象、地形等各类基础数据是支撑电站选址选型、发电能力测算的重要依据，将以上数据进行统一化管理对新能源电站规划、设计、运行具有较大促进作用。在以上数据中，气象数据涵盖面积广、时间长、数据量大，并且不同数据源空间尺度不统一，将气象数据插值为统一空间尺度能够实现多源数据的标准统一化管理，有效提高数据的检索和计算效率。
2、目前，气象数据插值主要有最邻近插值、线性插值、反距离加权法、克里金插值等方法。以上方法中，最邻近插值主要通过测量目标插值对象与周边原始数据的空间距离，以距离最近的数据为插值结果；线性插值是将临近点的值通过空间距离的线性比例折算至插值对象；反距离加权是以目标插值对象与其周边点的距离的反比为权重，将周边点的值经过加权作为插值结果；克里金插值则是考虑目标对象周边区域点之间的空间关系以及随机误差，将求解的最优系数作为权重并以此得出插值结果。以上插值方法更多是将空间距离作为插值的权重依据，考虑因素较少，导致气象数据插值结果精度有待提升。
技术实现思路
1、针对现有技术存在的缺陷，本专利技术提供一种基于地形重要度的气象要素最邻近加权插值方法，可有效解决上述问题。
2、本专利技术采用的技术方案如下：
3、本专利技术提供一种基于地形重要度的气象要素最邻近加权插值方法，包括以下
4、步骤s1，根据原始气象数据的网格形式以及在研究区域内的分布情况，获取研究区域内的多个原始气象网格；根据需要插值的目标气象要素的空间尺度需求，对研究区域进行网格化处理，形成多个目标插值网格；
5、步骤s2，确定目标插值网格需要插值得到的目标气象要素y；根据目标气象要素y，确定与目标气象要素y紧密联系的地形气象综合特征x＝[g,u]；其中，地形气象综合特征x为地形要素特征g和基础气象要素特征u的拼接特征；地形要素特征g＝[g1,g2,...,gn]，g1,g2,...,gn，分别代表第1种地形要素,第2种地形要素,…,第n种地形要素；基础气象要素特征u＝[u1,u2,...,um]，u1,u2,...,um，分别代表第1种基础气象要素,第2种基础气象要素,…,第m种基础气象要素；
6、步骤s3，构建地形要素重要度评价模型；
7、所述地形要素重要度评价模型包括聚类模型和随机森林重要度评价模型；研究区域内所有原始气象网格的地形气象综合特征值和目标气象要素值形成训练样本集；采用训练样本集，对所述地形要素重要度评价模型进行训练，得到训练完成的地形要素重要度评价模型；根据训练完成的地形要素重要度评价模型，得到每个原始气象网格的地形要素重要度评价结果，表示为：wi＝(wi,1,wi,2,...,wi,n)，其中，wi代表原始气象网格i的地形要素重要度评价结果，i＝1,2,...,n，n代表原始气象网格的总数量；wi,1,wi,2,...,wi,n分别代表原始气象网格i的第1种地形要素对目标气象要素y的重要度，第2种地形要素对目标气象要素y的重要度,…,第n种地形要素对目标气象要素y的重要度；
8、步骤s4，对于研究区域内的每个目标插值网格j，采用以下方法，得到其目标气象要素值yj：
9、步骤s4.1，以空间距离最接近为度量依据，获得目标插值网格j的若干个邻近原始气象网格；
10、步骤s4.2，在若干个邻近原始气象网格中，以第1种地形要素最接近为度量依据，获得与目标插值网格j在第1种地形要素维度最接近的第1原始气象网格i1；以第2种地形要素最接近为度量依据，获得与目标插值网格j在第2种地形要素维度最接近的第2原始气象网格i2；依此类推，以第n种地形要素最接近为度量依据，获得与目标插值网格j在第n种地形要素维度最接近的第n原始气象网格in；
11、步骤s4.3，确定目标插值网格j的中心点所在的原始气象网格，表示为原始气象网格l，l＝1,2,...,n，获取步骤s3中得到的原始气象网格l的地形要素重要度评价结果wl＝(wl,1,wl,2,...,wl,n)，作为目标插值网格j的地形要素重要度；
12、步骤s4.4，采用下式，得到目标插值网格j的目标气象要素值yj：
13、yj＝y(i1)wl,1+y(i2)wl,2+...+y(in)wl,n
14、其中：y(i1),y(i2),...,y(in)，分别代表第1原始气象网格i1，第2原始气象网格i2,…,第n原始气象网格in的目标气象要素值。
15、优选的，步骤s1中，原始气象网格和目标插值网格的空间分辨率相同或不相同。
16、优选的，步骤s2中，目标气象要素y为辐照度；地形要素特征g包括三种地形要素，分别为坡度、坡向和海拔；基础气象要素特征g包括三种基础气象要素，分别为降水、气压和云量。
17、优选的，步骤s3具体为：
18、步骤s3.1，设研究区域内的原始气象网格的总数为n；对于每个原始气象网格i，i＝1,2,...,n，获取其地形气象综合特征值xi和目标气象要素值yi，形成训练样本si＝(xi,yi)；因此，对于n个原始气象网格，生成训练样本集s＝[s1,s2,...,sn]；
19、步骤s3.2，将训练样本集s＝[s1,s2,...,sn]输入到所述聚类模型；所述聚类模型以训练样本之间的地形气象综合特征x的相似性作为聚类特征，对n个训练样本进行聚类，形成k个样本子集{c1,c2,……,ck}；
20、步骤s3.3，将每个样本子集ck输入到随机森林重要度评价模型进行训练，k＝1,2,...,k，训练完成后，得到每个样本子集ck的地形要素重要度评价结果wk＝(wk,1,wk,2,...,wk,n)；其中，wk,1,wk,2,...,wk,n，代表样本子集ck的第1种地形要素对目标气象要素y的重要度，第2种地形要素对目标气象要素y的重要度,…,第n种地形要素对目标气象要素y的重要度；
21、每个样本子集ck的地形要素重要度评价结果wk＝(wk,1,wk,2,...,wk,n)，作为样本子集ck内每个原始气象网格的地形要素重要度评价结果。
22、优选的，步骤s3.1中，原始气象网格i的地形气象综合特征值xi中，其地形要素特征值gi＝[gi,1,gi,2,...,gi,n]，对于第f种地形要素值gi,f，f＝1,2,...,n，采用以下方法获得：
23、获取研究区域内的地形网格；
24、筛选与原始气象网格i具有重叠、交叉关系的地形网格；将筛选出的所有地形网格的第f种地形要素值的平均值，作为原始气象网格i的第f种地形要素值gi,f，公式如下：
25、
26、其中：num代表与原始气象网格i具有重叠、交叉关系的地形网格的数量；代表与原始气象网格本文档来自技高网...
【技术保护点】
1.一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤S1中，原始气象网格和目标插值网格的空间分辨率相同或不相同。
3.根据权利要求1所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤S2中，目标气象要素Y为辐照度；地形要素特征G包括三种地形要素，分别为坡度、坡向和海拔；基础气象要素特征G包括三种基础气象要素，分别为降水、气压和云量。
4.根据权利要求1所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤S3具体为：
5.根据权利要求4所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤S3.1中，原始气象网格i的地形气象综合特征值Xi中，其地形要素特征值Gi＝[gi,1,gi,2,...,gi,n]，对于第f种地形要素值gi,f，f＝1,2,...,n，采用以下方法获得：
6.根据权利要求4所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在
7.根据权利要求4所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤S3.3具体为：
8.根据权利要求1所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤S4.1中，获得目标插值网格j的邻近9个原始气象网格，方法为：
...【技术特征摘要】
1.一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤s1中，原始气象网格和目标插值网格的空间分辨率相同或不相同。
3.根据权利要求1所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤s2中，目标气象要素y为辐照度；地形要素特征g包括三种地形要素，分别为坡度、坡向和海拔；基础气象要素特征g包括三种基础气象要素，分别为降水、气压和云量。
4.根据权利要求1所述的一种基于地形重要度的气象要素最邻近加权插值方法，其特征在于，步骤s3具体为：
5.根据权利要求4所述的一种...
【专利技术属性】
技术研发人员：赵增海，唐思维，王旭，高洁，朱方亮，卢有麟，秦潇，赵越，顾建伟，张东，崔正辉，
申请(专利权)人：水电水利规划设计总院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。