一种石化企业降水预报代表性气象站点的选择方法与流程

1.本发明属于石化行业气象预防领域，特别涉及一种石化企业降水预报代表性气象站点的选择方法。


背景技术：

2.短时强降水具有突发性强、难以预测的特点，一旦发生，如果应对不及时，往往可能会造成人员伤亡和经济财产损失。石化行业作为近代国家的经济命脉之一，对能源、材料工业、农业、交通等行业有着重要意义。同时石化行业也是受气象灾害影响较为严重的行业。当前石化行业对短时强降水进行响应的信息来源主要是气象局部门发布的强对流天气预警，国家气象局将小时降水量大于20mm的降水事件定义为短时强降水，由于强对流天气预警规则并不是完全针对石化行业制定，单一的小时降水阈值显然也无法满足石化行业精细化短时强降水灾害防范的需要。当前针对短时强降水的短临预报主要利用雷达回波数据，但雷达回波易受地形影响造成缺测、失真，导致预测精度降低，而一些石化企业会选址在山地、丘陵地区中，此时基于雷达外推的短时强降水预测将很难满足这些石化企业的防灾减灾需求。


技术实现要素：

3.本发明的目的，在于提供一种石化企业降水预报代表性气象站点的选择方法，解决石化企业降水预报易受地形影响，预测精度低的问题。
4.为了达成上述目的，本发明的解决方案是：
5.一种石化企业降水预报代表性气象站点的选择方法，包括如下步骤：
6.步骤1，获取历史气象站点观测数据并进行预处理，得到每个公里网格小时的降水时间序列数据；
7.步骤2，根据待预测石化企业的经纬度，得到其所在格点；根据其所在格点和步骤1得到的降水时间序列数据，得到待预测石化企业所在格点的降水时间序列；
8.步骤3，根据步骤2待预测石化企业所在格点的降水时间序列和气象站点观测的降水时间序列，计算得到降水时间序列余弦相似度；
9.步骤4，计算待预测石化企业与气象站点的距离权重矩阵，并进行归一化处理；计算待预测石化企业与气象站点的坡度差；
10.步骤5，根据步骤3的降水时间序列余弦相似度、步骤4的距离权重矩阵和坡度差，计算得到气象站点对待预测石化企业的代表性指数；
11.步骤6，根据步骤5的代表性指数的数值大小，选取代表性指数最大的作为待预测石化企业的代表性气象站点。
12.上述步骤1中，获取历史气象站点观测数据的方法包括但不限于中科院资源环境科学数据中心、国家气象科学数据中心和气象数据公开平台。
13.上述步骤1中，进行预处理的具体内容是：利用反距离加权法将历史气象站点观测
数据插值成1公里格点数据，得到每个公里网格小时的降水时间序列数据。
14.上述步骤3中，气象站点观测的降水时间序列的数据通过当地气象部门的公布信息收集获得。
15.上述步骤3中，计算降水时间序列余弦相似度w
θ-i
的公式如下所示：
[0016][0017]
其中，w
θ-i
表示待预测石化企业与第i个气象站点的降水时间序列余弦相似度矩阵，i＝1,2,...,m，m为气象站点个数；a
ik
表示第i个气象站点降水时间序列的第k个值，k＝1,2,...,o，o为时间序列长度；b
jk
表示第j个石化企业降水时间序列的第k个值，j＝1,2,...,n，n为待预测石化企业的个数。
[0018]
上述步骤4中，计算距离权重矩阵w
dis-i
的公式如下所示：
[0019][0020]
其中，w
dis-i
为第i个待预测石化企业的距离权重矩阵，i＝1,2,...,m，m为待预测石化企业的个数；d
ij
为第i个待预测石化企业与第j个气象站点间的距离，j＝1,2,...,n，n为气象站点个数。
[0021]
对上述距离权重矩阵w
dis-i
进行归一化处理的公式如下所示：
[0022][0023]
其中，w
dis-i
'表示归一化后的距离权重矩阵，w
dis-i-min
表示距离权重矩阵的最小值，w
dis-i-max
表示距离权重矩阵的最大值。
[0024]
上述步骤4中，计算坡度差w
asp-i
的公式如下所示：
[0025][0026]
其中，ai表示第i个待预测石化企业的坡向，表示第j个气象站点的坡向。
[0027]
上述步骤5中，计算代表性指数wi的公式如下所示：
[0028]
wi＝0.4
×wdis-i
'+0.4
×wθ-i
+0.2
×wasp-i
。
[0029]
其中，w
dis-i
'表示归一化后的距离权重矩阵；w
asp-i
表示待预测石化企业与气象站点的坡度差；w
θ-i
表示待预测石化企业与第i个气象站点的降水时间序列余弦相似度矩阵，i＝1,2,...,m，m为气象站点个数。
[0030]
本发明的石化企业降水预报代表性气象站点的选择方法，综合考虑了气象要素相似性与距离的关系、局部地理环境和气象要素本身的物理特征，降低了石化企业降水预报受地形的影响，提高了预测精度。
附图说明
[0031]
图1是本发明实施例待预测石化企业与其周围的气象站点分布图；
[0032]
图2是本发明实施例每个公里网格小时降水时间序列数据图；
具体实施方式
[0033]
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
[0034]
如图1所示，为本发明实施例待预测石化企业与其周围的气象站点分布图，其中不带数字标注的黑点表示待预测石化企业，带有数字标注的黑点表示待预测石化企业5km内的气象站点，数字代表的是气象站点的序号，待预测石化企业与气象站点的距离如下表所示：
[0035]
表1
[0036]
气象站点序号气象站点与石化企业的距离(km)12.823.131.44152.66372.8
[0037]
如图2所示，为本发明实施例每个公里网格小时降水时间序列数据图，利用反距离加权法将过去10年逐小时的气象站点观测数据插值成1公里格点数据，获得每个公里网格小时降水时间序列数据，根据插值处理的网格数据得到每个气象站点的小时降水量数据，单位为mm，如下表所示：
[0038]
表2
[0039][0040][0041]
根据降水数据，对其进行降水时间序列余弦相似度w
θ-i
计算，计算结果保留小数点后四位，如下表所示：
[0042]
表3
[0043]wθ-1
0.9974w
θ-2
0.9945w
θ-3
0.9972w
θ-4
0.9964w
θ-5
0.9966w
θ-6
0.9929w
θ-7
0.9912
[0044]
对石化企业与气象站点i的距离权重矩阵进行计算，并对结果进行归一化处理，计算结果保留四位有效数字，如下表所示：
[0045]
表4
[0046]wdis-1
'0.0262w
dis-2
'0w
dis-3
'0.4533w
dis-4
'1.0w
dis-5
'0.0489w
dis-6
'0.0078wdis-7
'0.0262
[0047]
计算待预测石化企业与气象站点的坡度差，结果如下表所示：
[0048]
表5
[0049][0050][0051]
根据坡向数据进行坡度差w
asp-i
计算，结果如下表所示：
[0052]
表6
[0053]wasp-1
0w
asp-2
0w
asp-3
0w
asp-4
1w
asp-5
1w
asp-6
1w
asp-71[0054]
气象站点i对石化企业代表性指数wi计算，计算结果保留小数点后四位，如表7所示：
[0055]
表7
[0056]
w10.4094w20.3978w30.5802w40.9986w50.6182w60.6003w70.6069
[0057]
根据气象站点对石化企业代表性指数wi数值大小，选取代表性指数wi最大的作为石化企业代表性气象站，所以本实施例中选择气象站点4为此石化企业的代表性气象站。
[0058]
综合以上，本发明提供一种石化企业降水预报代表性气象站点的选择方法，基于
距离权重矩阵、降水时间序列余弦相似度和坡度差，使石化企业选择的气象站点对更具有代表性，从而提高了预测精度，其包括如下步骤：获取历史气象站点观测数据并进行预处理，得到每个公里网格小时的降水时间序列数据；根据待预测石化企业的经纬度，得到其所在格点；根据其所在格点和降水时间序列数据，得到待预测石化企业所在格点的降水时间序列；根据待预测石化企业所在格点的降水时间序列和气象站点观测的降水时间序列，计算得到降水时间序列余弦相似度；计算待预测石化企业与气象站点的距离权重矩阵，并进行归一化处理；计算待预测石化企业与气象站点的坡度差；根据降水时间序列余弦相似度、距离权重矩阵和坡度差，计算得到气象站点对待预测石化企业的代表性指数；根据代表性指数的数值大小，选取代表性指数最大的作为待预测石化企业的代表性气象站点。本发明的气象站点选择方法通过对气象要素相似性与距离的关系、局部地理环境和气象要素本身的物理特征的综合考虑，基于距离权重矩阵、降水时间序列余弦相似度和坡度差，使石化企业选择的气象站点对更具有代表性，从而降低了石化企业降水预报受地形的影响，提高了预测精度。
[0059]
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

技术特征：
1.一种石化企业降水预报代表性气象站点的选择方法，其特征在于，包括如下步骤：步骤1，获取历史气象站点观测数据并进行预处理，得到每个公里网格小时的降水时间序列数据；步骤2，根据待预测石化企业的经纬度，得到其所在格点；根据其所在格点和步骤1得到的降水时间序列数据，得到待预测石化企业所在格点的降水时间序列；步骤3，根据步骤2待预测石化企业所在格点的降水时间序列和气象站点观测的降水时间序列，计算得到降水时间序列余弦相似度；步骤4，计算待预测石化企业与气象站点的距离权重矩阵，并进行归一化处理；计算待预测石化企业与气象站点的坡度差；步骤5，根据步骤3的降水时间序列余弦相似度、步骤4的距离权重矩阵和坡度差，计算得到气象站点对待预测石化企业的代表性指数；步骤6，根据步骤5的代表性指数的数值大小，选取代表性指数最大的作为待预测石化企业的代表性气象站点。2.如权利要求1所述的选择方法，其特征在于，所述步骤1中，获取历史气象站点观测数据的方法包括但不限于中科院资源环境科学数据中心、国家气象科学数据中心和气象数据公开平台。3.如权利要求1所述的选择方法，其特征在于，所述步骤1中，进行预处理的具体内容是：利用反距离加权法将历史气象站点观测数据插值成1公里格点数据，得到每个公里网格小时的降水时间序列数据。4.如权利要求1所述的选择方法，其特征在于，所述步骤3中，气象站点观测的降水时间序列的数据通过当地气象部门的公布信息收集获得。5.如权利要求1所述的选择方法，其特征在于，所述步骤3中，计算降水时间序列余弦相似度w
θ-i
的公式如下所示：其中，w
θ-i
表示待预测石化企业与第i个气象站点的降水时间序列余弦相似度矩阵，i＝1,2,...,m，m为气象站点个数；a
ik
表示第i个气象站点降水时间序列的第k个值，k＝1,2,...,o，o为时间序列长度；b
jk
表示第j个石化企业降水时间序列的第k个值，j＝1,2,...,n，n为待预测石化企业的个数。6.如权利要求1所述的选择方法，其特征在于，所述步骤4中，计算距离权重矩阵w
dis-i
的公式如下所示：其中，w
dis-i
为第i个待预测石化企业的距离权重矩阵，i＝1,2,...,m，m为待预测石化企业的个数；d
ij
为第i个待预测石化企业与第j个气象站点间的距离，j＝1,2,...,n，n为气象站点个数。7.如权利要求6所述的选择方法，其特征在于，对所述距离权重矩阵w
dis-i
进行归一化处
理的公式如下所示：其中，w
dis-i
'表示归一化后的距离权重矩阵，w
dis-i-min
表示距离权重矩阵的最小值，w
dis-i-max
表示距离权重矩阵的最大值。8.如权利要求1所述的选择方法，其特征在于，所述步骤4中，计算坡度差w
asp-i
的公式如下所示：其中，a
i
表示第i个待预测石化企业的坡向，表示第j个气象站点的坡向。9.如权利要求1所述的选择方法，其特征在于，所述步骤5中，计算代表性指数w
i
的公式如下所示：w
i
＝0.4
×
w
dis-i
'+0.4
×
w
θ-i
+0.2
×
w
asp-i
；其中，w
dis-i
'表示归一化后的距离权重矩阵；w
asp-i
表示待预测石化企业与气象站点的坡度差；w
θ-i
表示待预测石化企业与第i个气象站点的降水时间序列余弦相似度矩阵，i＝1,2,...,m，m为气象站点个数。

技术总结
本发明公开一种石化企业降水预报代表性气象站点的选择方法，包括如下步骤：获取历史气象站点观测数据并进行预处理，得到每个公里网格小时的降水时间序列数据；根据经纬度和降水时间序列数据，得到其所在格点的降水时间序列；根据气象站点观测的降水时间序列，计算得到降水时间序列余弦相似度；计算石化企业与气象站点的距离权重矩阵，并进行归一化处理；计算石化企业与气象站点的坡度差；根据降水时间序列余弦相似度、距离权重矩阵和坡度差，计算得到气象站点对石化企业的代表性指数；根据代表性指数的数值大小，选取代表性指数最大的作为石化企业的代表性气象站点。本发明的选择方法从而降低了石化企业降水预报受地形的影响，提高了预测精度。提高了预测精度。提高了预测精度。


技术研发人员：薛丰昌 谢乾伟 韩宇
受保护的技术使用者：南京宸象空间信息技术有限公司
技术研发日：2023.05.23
技术公布日：2023/9/6