本發(fā)明涉及地面觀測站采集數(shù)據(jù)的質(zhì)量控制領(lǐng)域，特別是針對溫度數(shù)據(jù)的質(zhì)量控制方法。

背景技術(shù)：

中國自1951年以來就有近1800個氣象站，氣象數(shù)據(jù)的積累豐富，然而這些氣象數(shù)據(jù)中可能存在一些觀測、錄入和傳輸?shù)儒e誤，這些錯誤降低了氣象站觀測數(shù)據(jù)的質(zhì)量，對氣象的研究產(chǎn)生了阻力，因此對氣象數(shù)據(jù)的質(zhì)量控制成為了氣象數(shù)據(jù)應(yīng)用中不可或缺的環(huán)節(jié)。

地面氣象站觀測數(shù)據(jù)質(zhì)量控制一般分為兩類，一類是單站質(zhì)量控制方法，主要包括極值檢查、氣候極值檢查、內(nèi)部一致性檢查、時間一致性檢查；另一類是多站聯(lián)網(wǎng)質(zhì)量控制方法，目前國內(nèi)外已經(jīng)提出了很多質(zhì)量控制的方法，例如數(shù)值預(yù)報模式插值方法、反距離加權(quán)發(fā)和空間回歸檢測方法等等。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服以上技術(shù)不足之處，針對多站質(zhì)量控制的不足提出一種基地面氣溫數(shù)據(jù)質(zhì)量控制方法，解決了目前多站聯(lián)網(wǎng)質(zhì)量控制方法不穩(wěn)定、準確度不高的問題，具體由以下的方案實現(xiàn)：

所述地面氣象觀測站觀測的氣溫數(shù)據(jù)質(zhì)量控制方法，包括以下步驟：

步驟1.采集采樣時間T內(nèi)的目標地面氣象觀測站溫度數(shù)據(jù)X₀(t)，t＝1，2，3，…，T，其中t為采樣時間；

步驟2.采集采樣時間T內(nèi)的鄰近地面氣象觀測站溫度數(shù)據(jù)X_i(t)，i＝1，2，3，…，n，其中n為鄰近站的個數(shù)；

步驟3.對采集到的數(shù)據(jù)進行基本質(zhì)量控制，得到新的數(shù)據(jù)集x₀(t)和x_i(t)，將樣本按時間序列以9：1的比例分為訓(xùn)練集和測試集；

步驟4.使用隨機森林方法對訓(xùn)練集數(shù)據(jù)進行建模，利用Bagging方法進行采樣，樣本數(shù)足夠大時約有37％的數(shù)據(jù)沒有抽取到，稱為袋外數(shù)據(jù)(OOB)，利用袋外誤差(OOB error)測試模型的泛化能力，假設(shè)袋外數(shù)據(jù)總數(shù)為a，用這a個數(shù)據(jù)作為輸入，帶入分類器得到分類結(jié)果，與正確的分類情況進行比較統(tǒng)計錯誤數(shù)據(jù)大小為b，則袋外誤差為OOB_error＝b/a，隨機對袋外數(shù)據(jù)所有樣本特征加入噪聲干擾，在此計算袋外誤差得OOB_error2，則某特征m1的重要性為n為樹個數(shù)，利用遺傳算法尋找重 要性較高的特征，即鄰近站點，選擇重要性較高的站點建立隨機森林質(zhì)量控制模型；

步驟5.將測試集中的鄰近站點數(shù)據(jù)作為樣本集，利用步驟6建立的隨機森林模型進行回歸預(yù)測，得到目標站的預(yù)測值；

步驟6.將預(yù)測值與實際觀測值進行比較，通過均方根誤差和平均絕對誤差 評價模型，其中y_obs為目標站實際觀測值，y_est是模型預(yù)測值。

其中，步驟3中所述基本質(zhì)量控制方法包括格式檢查、極值檢查、氣候極值檢查、內(nèi)部一致性檢查、時間一致性檢查、空間一致性檢查。

其中，步驟4中的遺傳算法尋優(yōu)過程為p_c＝f(x_i)/∑f(x_i)，其中p_c是某臺站被選擇的概率，x_i為第i個臺站，f(x_i)為第i個臺站的適應(yīng)度函數(shù)值，即變量重要性值，∑f(x_i)為所有臺站適應(yīng)度函數(shù)值之和。

其中，步驟8中所述檢錯方法公式為：|y_obs-y_est|≤f·δ，f是質(zhì)量控制參數(shù)設(shè)置為3，δ是目標站觀測值與預(yù)測值之間的標準誤差，如果滿足公式的條件，就判斷該數(shù)值正確，如果不滿足公式的條件，則將該數(shù)據(jù)記為存疑數(shù)據(jù)，通過這樣的方法來實現(xiàn)對數(shù)據(jù)的質(zhì)量控制。

有益效果

本發(fā)明的一種地面氣溫數(shù)據(jù)質(zhì)量控制方法，通過周圍鄰近站點的氣溫觀測數(shù)據(jù)，利用優(yōu)化后的隨機森林方法構(gòu)建基于鄰近站點氣溫觀測數(shù)據(jù)的氣溫數(shù)據(jù)質(zhì)量控制模型，提出了一種新的多站聯(lián)網(wǎng)質(zhì)量控制方法，模型搭建速度快，泛化能力強，能夠有效的提高地面觀測數(shù)據(jù)的準確性。

附圖說明

圖1是本發(fā)明方法的流程圖。

圖2是本發(fā)明方法2005年重要性與臺站排序圖。

圖3是本發(fā)明方法與反距離加權(quán)和空間回歸檢驗方法的MAE、RMSE效果對比圖。

圖4是本發(fā)明方法與反距離加權(quán)和空間回歸檢驗方法月02：00時均溫實際觀測值與預(yù)測值對比圖。

具體實施方式

下面結(jié)合附圖就實施例對本發(fā)明進行進一步說明。

本實施例的地面氣溫數(shù)據(jù)質(zhì)量控制方法，如圖1所示將福建站及周圍的71個站點2005年到2014年逐日02：00時氣溫數(shù)據(jù)進行實施例分析，進一步說明本發(fā)明：

步驟1.采集采樣時間T內(nèi)的目標地面氣象觀測站溫度數(shù)據(jù)X₀(t)，t＝1，2，3，…，T，其中t為采樣時間，本實施例中T＝3654為樣本數(shù)；

步驟2.采集采樣時間T內(nèi)的71個鄰近地面氣象觀測站溫度數(shù)據(jù)X_i(t)，i＝1，2，3，…，n，其中n為鄰近站的個數(shù)，在本實施例中n＝71；

步驟3.對采集到的數(shù)據(jù)X₀(t)和X_i(t)進行基本質(zhì)量控制，得到新的數(shù)據(jù)集x₀(t)和x_i(t)，取樣本中1-3289行的數(shù)據(jù)作為訓(xùn)練集，3290-3654行的數(shù)據(jù)作為測試集；

步驟4.使用隨機森林方法對訓(xùn)練集數(shù)據(jù)進行建模，利用Bagging方法進行采樣，樣本數(shù)足夠大時約有37％的數(shù)據(jù)沒有抽取到，稱為袋外數(shù)據(jù)(OOB)，利用袋外誤差(OOB error)測試模型的泛化能力，假設(shè)袋外數(shù)據(jù)總數(shù)為a，用這a個數(shù)據(jù)作為輸入，帶入分類器得到分類結(jié)果，與正確的分類情況進行比較統(tǒng)計錯誤數(shù)據(jù)大小為b，則袋外誤差為OOB_error＝b/a，隨機對袋外數(shù)據(jù)所有樣本特征加入噪聲干擾，在此計算袋外誤差得OOB_error2，則某特征m1的重要性為n為樹個數(shù)，本實施例中為500，利用遺傳算法尋找重要性較高的特征，即鄰近站點，選擇重要性較高的站點建立隨機森林質(zhì)量控制模型，將2005-2013年每年數(shù)據(jù)進行建模得到密云站鄰近站點每年重要性數(shù)據(jù)，綜合比較每年數(shù)據(jù)得出結(jié)果，圖2為2005年臺站重要性情況，一共運行了9年重要性數(shù)據(jù)進行GA優(yōu)化，本實施例中選取重要性前20的站點進行隨機森林質(zhì)量控制模型建模；

步驟5.將測試集中的鄰近站點數(shù)據(jù)作為樣本集，利用步驟6建立的隨機森林模型進行回歸預(yù)測，得到目標站的預(yù)測值；

步驟6.將預(yù)測值與實際觀測值進行比較，通過均方根誤差(RMSE)和平均絕對誤差(MAE)比較隨機森林質(zhì)量控制效果，在實施例中MAE為0.341，RMSE為0.882。

為了分析本方法的優(yōu)點，將同樣的數(shù)據(jù)應(yīng)用與反距離加權(quán)方法和空間回歸檢驗方法中，并進行對比，如表1所示，本方法得到的平均絕對誤差(MAE)和均方根誤差(RMSE)明顯要優(yōu)于另外兩種方法。

表1本發(fā)明方法綜合9年臺站重要性數(shù)據(jù)GA后得到的前20個重要性較高的臺站

本實施例通過周圍鄰近站點氣溫觀測數(shù)據(jù)，利用優(yōu)化后的隨機森林方法構(gòu)建基于鄰近站點氣溫觀測數(shù)據(jù)的氣溫數(shù)據(jù)質(zhì)量控制模型，提出了一種新的多站聯(lián)網(wǎng)質(zhì)量控制方法，模型搭建速度快，泛化能力強，能夠有效的提高地面觀測數(shù)據(jù)的準確性，選擇重要性較高的20個站點也減少了以后進行氣象數(shù)據(jù)質(zhì)量控制的時間。通過圖3與圖4的對比分析驗證本發(fā)明方法質(zhì)量控制效果明顯。