极端高温事件预测方法和设备

1.本技术涉及气象预报领域，尤其涉及一种极端高温事件预测方法和设备。


背景技术：

2.某研究地区大部分区域属于季风气候区，季风气候受到来自海洋的暖湿气流和来自陆地的干冷气流的影响，其典型特征之一是温度和降水量的变化很大，因而在该研究区域常出现极端高温和干旱气象灾害。在气候变化背景下，这些极端气候频发对人类的生命财产和生存环境产生了巨大威胁，严重影响了社会和经济的发展。海洋作为一种气候影响因子，具有持续时间长、空间尺度大的特征，在气候变化过程中扮演重要角色，一般认定一定海区的海温异常是造成大气环流持续异常的重要原因。
3.该研究地区与太平洋相邻，且地势西高东低，热带亚热带季风气候显著，陆地气候变化受全球影响显著。因此深入研究海温异常对该研究地区极端气象灾害事件的影响规律，为季风区极端气象灾害事件的提前预测提供一种新的思路和方案，能为有效减少极端气象灾害事件带来的损失提供有益思考，对社会和经济效益大有脾益。
4.现有技术集中于研究厄尔尼诺-南方涛动（el ni
ñ
o-southern oscillation，简称：enso）对研究地区上天气气候的影响，研究表明太平洋海温异常型对研究地区上天气气候的影响，不局限于季风，还影响着登陆研究地区上的热带气旋的数量和强度、陆地降水等。而现有技术中探究全球海温异常变化对于研究地区上陆地极端高温事件影响作用的研究几近于无，也未有基于全球海洋表面温度异常预测研究地区上陆地极端高温事件发生的模型。


技术实现要素：

5.本技术提供一种极端高温事件预测方法和设备，旨在构建海温异常变化预测陆地极端高温事件发生的模型，为陆地极端高温事件提供预警。
6.本技术一实施例提供一种极端高温事件预测方法，方法包括：对历史全球海表面温度数据进行经验正交函数分解分析和小波分析，获得海温异常敏感区；对各个历史极端高温事件所发生区域内的所发生时间之前的温度数据，以及各个海温异常敏感区在对应时间内的温度数据进行相关性分析；获得各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性；计算各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时间，并根据各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性，和各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时段，构建预测模型。
7.在一实施例中，方法还包括：检测目标海温异常敏感区的表面温度数据，判断目标海温异常敏感区的表面温度数据是否出现异常；
若是，使用预测模型对目标海温异常敏感区的表面温度数据进行处理，获得极端高温事件的发生区域和发生时间。
8.在一实施例中，对历史全球海表面温度数据进行经验正交函数分解分析和小波分析，获得海温异常敏感区，具体包括：对历史全球海表面温度空间分布数据进行经验正交函数分解分析，获得海温异常敏感备选区；对历史全球海表面温度时间序列数据进行小波分析获得分析结果，并使用分析结果从海温异常敏感备选区中获得海温异常敏感区。
9.在一实施例中，对历史全球海表面温度空间分布数据进行经验正交函数分解分析，获得海温异常敏感备选区，具体包括：对历史全球海表面温度空间分布数据进行经验正交函数分解分析获得不同模态的方差贡献率和时间系数；根据方差贡献率的大小获得全球海温的平均分布状态和变化一致区域，根据不同模态的时间系数获得季节性的变化周期；根据季节性的变化周期和全球海温的平均分布状态从变化一致区域中获得海温异常敏感备选区。
10.在一实施例中，对历史全球海表面温度时间序列数据进行小波分析获得分析结果，并使用分析结果从海温异常敏感备选区中获得海温异常敏感区，具体包括：对历史全球海表面温度进行小波分析，获得海温时间序列变化的周期特征规律；使用海温变化的时间序列周期特征规律从海温异常敏感备选区中获得海温异常敏感区。
11.在一实施例中，计算各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时间，具体包括：针对每个历史极端高温事件，获得对应海温异常敏感区在历史极端高温事件发生当年和前一年的第一温度数据；并计算第一温度数据的逐月矩平，将第一温度数据的逐月矩平构成左场；获取历史极端高温事件发生当年的第二温度数据，并计算第二温度数据的逐月矩平，将第二温度数据的逐月矩平构成右场；对左场和右场进行奇异值分解分析，获得分析结果；并根据分析结果确定历史极端高温事件的滞后时段。
12.本技术另一实施例提供一种极端高温事件预测装置，包括：处理模块，对历史全球海表面温度数据进行经验正交函数分解分析和小波分析，获得海温异常敏感区；处理模块，对各个历史极端高温事件所发生区域内的所发生时间之前的温度数据，以及各个海温异常敏感区在对应时间内的温度数据进行相关性分析；获得各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性；构建模块，计算各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时间，并根据各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性，和各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时段，构建预测模
型。
13.在另一实施例中，处理模块还用于：检测目标海温异常敏感区的表面温度数据，判断目标海温异常敏感区的表面温度数据是否出现异常；若是，使用预测模型对目标海温异常敏感区的表面温度数据进行处理，获得极端高温事件的发生区域和发生时间。
14.本技术又一实施例提供一种电子设备，包括：处理器，以及与处理器通信连接的存储器；存储器存储计算机执行指令；处理器执行存储器存储的计算机执行指令，以实现上述实施例提供的流计算监控方法。
15.本技术再一实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述实施例提供的流计算监控方法。
16.本技术提供一种极端高温事件预测方法和设备，获取历史全球海表面温度数据和陆地极端高温事件温度信息，进行数据预处理；结合经验正交函数分解分析和小波分析，从全球海温距平场中获得海温异常敏感区，利用简单相关方法进一步确定海温异常敏感区和显著影响时段。考虑到大气环流影响的滞后性，采用奇异值分解方法对历史极端高温事件与海温敏感区作时间滞后性分析；根据海温异常敏感区与陆地极端高温的相关系数和滞后时间，建立基于海温异常敏感区海表面温度变化对陆地极端高温气候事件的预测模型，通过对目标海温异常敏感区的海温异常检测，及时预测陆地极端高温事件的发生区域和发生时间，为陆地极端高温事件提供预警。
附图说明
17.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
18.图1为本技术一实施例提供的极端高温事件预测方法的流程图；图2为本技术另一实施例提供的极端高温事件预测方法的流程图；图3为本技术又一实施例提供的极端高温事件预测方法的流程图；图4为本技术一实施例提供的极端高温事件预测装置的结构示意图；图5为本技术另一实施例提供的电子设备的结构示意图；通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
19.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附
权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
20.海洋作为一种气候影响因子，具有持续时间长、空间尺度大的特征，在气候变化过程中扮演重要角色，一般认定一定海区的海温异常是造成大气环流持续异常的重要原因。其中，海温指的是海水表层的水温，常以摄氏度℃表示，海温取决于海水的热量收支情况，是重要的海洋环境参数。
21.大气环流遥相关决定全球气候年际变化，在气候变化的背景下，各种极端气象灾害频发，对人类生命财产和生存环境的安全造成了巨大威胁。极端高温热浪正是极端气象灾害的表现之一，高温热浪的标准主要依据高温对人类产生影响或危害的程度而制定，不同地区对高温热浪的定义有很大的差异，目前尚未有统一而明确的高温热浪标准。一般将日最高气温达到或超过35℃时称为高温，连续3日以上的高温天气过程称之为高温热浪。
22.现有研究集中于海温异常对登陆陆地的热带气旋的数量和强度的影响，以及海温异常对陆地降水、干旱的影响，而探究全球海温异常变化对于陆地极端高温事件影响作用的研究几近于无。
23.为解决上述技术问题，本技术提供一种极端高温事件预测方法和设备，旨在构建海温异常变化预测陆地极端高温事件发生的模型，为陆地极端高温事件提供预警。本技术的技术构思是：首先获取历史极端高温事件温度信息和全球海表面温度信息，识别全球范围内的海温异常敏感区，确定历史极端高温事件的海温异常敏感区和影响时段，将历史极端高温事件与海温异常敏感区作时间滞后性分析，根据海温异常敏感区与陆地极端高温的相关系数和滞后时间，建立基于海温变化对各地区极端高温气候事件的预测模型，辅助极端高温事件的预报及相关应急处理工作。
24.如图1所示，本技术一实施例提供一种极端高端事件预测方法，方法具体包括如下步骤：s101、对历史全球海表面温度数据进行经验正交函数分解分析和小波分析，获得海温异常敏感区。
25.其中，基于某地区数据中心和某地区大气研究中心的高度场和海水表面温度再分析数据、某地区的海洋合作计划的混合坐标海洋模型（hybrid coordinate ocean model，hycom）模拟海表数据、某地区海洋和大气管理局提供的全球历史气候学网络（global historical climatology network
ꢀ‑ꢀ
daily，ghcnd）月度摘要数据库、某地区气象局观测数据集、某地区天气预报中心气象数据、中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, modis)海温数据等全球海洋监测数据，提取历史全球海表面温度数据。
26.经验正交函数分解（empirical orthogonal function，eof）分析，是一种多元统计方法，其原理是利用数据的方差，把数据中有用的信息集中到少数几个空间分布和时间序列上，从而反映要素场的时空变化，特征向量对应的是空间样本，也称空间特征向量或者空间模态，在一定程度上反映了要素场的空间分布特点。eof分析的本质是将一个物理量场的演变分解成各正交模态的独立演变过程，该过程反映了各独立因子对该物理量演变的影响和贡献。
27.小波分析是通过伸缩平移运算等时间和频率的局域变换，对信号逐步进行尺度细化，最终达到高频处时间细分，低频处频率细分的效果，能自动适应时频信号分析的要求，
可聚焦到信号任意细节，有效提取信息。
28.对提取的历史全球海表面温度数据作数据预处理，进行eof分析，结合小波变化找出海温异常敏感区。
29.s102、对各个历史极端高温事件所发生区域内的所发生时间之前的温度数据，以及各个海温异常敏感区在对应时间内的温度数据进行相关性分析；获得各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性。
30.其中，极端高温事件受大气环流影响，存在一定滞后性，故选取历史极端高温事件所发生区域内的所发生时间之前的温度数据，同样需要对温度数据进行数据预处理，之后与各海温异常敏感区对应时间内的温度数据进行相关性分析。
31.相关性分析可以采用简单相关方法，简单相关系数一般用r表示，其计算公式如下：式中，x、y分别是海表面温度以及历史极端高温事件两个变量场的元素，、为变量场各自的平均值，r
xy
为相关系数，范围在[-1,1]之间，根据r
xy
的值来判断两者是否有相关关系，r》0则表示呈正相关，r《0则表示呈负相关，r=0则表示两个变量之间没有关系。
[0032]
s103、计算各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时间，并根据各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性，和各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时段，构建预测模型。
[0033]
其中，各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性以及时间滞后性，需使用奇异值分解（singular value decomposition,svd）方法进行分析。svd方法可用于分析两个气象要素场序列之间的相关关系，可最大限度地从两个要素场分离出多个相互独立的耦合模态，从而揭示出两要素场所存在的时域相关性的空间联系，这种耦合的空间分布型能最大限度地解释两场的交叉协方差。
[0034]
根据各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性以及极端高温发生的滞后时段，可构建简易预测模型。
[0035]
在上述方案中，对获取到的历史全球海表面温度数据和历史极端高温事件前期温度数据作数据预处理，通过eof分析结合小波变换确定全球海温距平的时空结构，基于陆地历史极端高温事件和海温异常敏感区进行温度相关性分析，进一步确定影响陆地极端高温事件的海温异常敏感区及影响时段，考虑大气环流影响的滞后性，分析各历史极端高温事件的发生区域与各海温异常敏感区之间的相关性和时间滞后性，构建简易预测模型。
[0036]
在一些实施例中，在构建预测模型之后，本技术提供的极端高温事件预测方法还包括：检测目标海温异常敏感区的表面温度数据，并判断目标海温异常敏感区的表面温度数据是否出现异常；若是，使用预测模型对目标海温异常敏感区的表面温度数据进行处理，获得极端高温事件的发生区域和发生时间。
[0037]
其中，当检测到目标海温异常敏感区表面温度数据异常时，根据构建的预测模型
可确认关联的陆地极端高温事件发生区域以及滞后发生的时间，辅助极端高温事件的预报及相关应急处理工作。
[0038]
如图2所示，本技术一实施例提供还一种极端高温事件预测方法，获得海温异常敏感区，该方法具体包括如下步骤：s201、对历史全球海表面温度空间分布数据进行经验正交函数分解分析获得不同模态的方差贡献率和时间系数。
[0039]
其中，方差贡献率体现了其对应模态的重要程度，方差贡献率越高，对应的模态越重要，模态的时间系数可以显示出海温变化的周期。
[0040]
例如：对历史时期的全球研究区逐日海表面温度数据进行计算逐月距平处理，得到一个数据矩阵xm×n，其协方差矩阵为cm×m=x
t
x，计算该协方差矩阵的特征值λ=(λ1,λ2,
…
,λm)和对应的特征向量，对应的特征向量即eof模态。将特征值作非升序排列，并对特征向量序数作相应变动：λ1≥λ2≥
…
≥λm≥0每个特征向量的方差贡献率通过下式进行计算：特征向量构成的矩阵为vm×m，将eof投影到原始数据矩阵xm×n上，就得到所有空间特征向量对应的事件系数，即其中，pcm×n中每行数据就是对应每个特征向量的时间系数，如第一行pc(1,:)即是第一个eof模态的时间系数。
[0041]
eof分析的本质是将一个物理量场的演变分解成各正交模态的独立演变过程，该过程反映了各独立因子对该物理量演变的影响和贡献，分解出的独立因子是否为无意义的噪音，还需进行显著性检验。根据north准则，只有特征根误差范围没有重叠的特征向量可以通过显著性检验，得到不同模态的方差贡献率和时间系数。
[0042]
s202、根据方差贡献率的大小获得全球海温的平均分布状态和变化一致区域，根据不同模态的时间系数获得季节性的变化周期。
[0043]
在该步骤中，eof分解后的前三个模态的方差贡献率一般占总方差贡献率的大部分，前三个模态空间场数值分布可体现全球海温的平均分布状态，当数值同为正值或负值时，表明对应区域的海温变化一致，根据前三个模态的时间系数获得季节性的变化周期。
[0044]
s203、根据季节性的变化周期和全球海温的平均分布状态从变化一致区域中获得海温异常敏感备选区。
[0045]
例如：第一模态的空间场数值分布显示赤道以北印度洋、太平洋以及大西洋和北冰洋为正值区，说明以上四个海域的海温变化一致，可以作为海温异常敏感备选区。
[0046]
s204、对历史全球海表面温度进行小波分析，获得海温时间序列变化的周期特征规律。
[0047]
在该步骤中，小波分析可以清晰地揭示时间序列中的多周期特征，充分反映时间序列不同时间尺度的发展趋势，并可以评估系统的未来发展趋势。因此利用小波变换可以
分析全球海表面温度变化的周期时间。
[0048]
例如：历史全球海温数据为f(t)，小波函数表达式为：其中，ψ(t)为基小波函数，能够通过平移、伸缩变换构成一簇函数系，对于给定的历史全球海温数据f(t)，其连续小波变换为：式中：wf(a,b)是小波系数，a为伸缩因子，决定小波宽度，b为平移因子,是反映小波位置移动的参数，为ψ(t)的复共轭函数，将wf(a,b)的平方值在b域上积分，得到小波方差var(a)：小波方差随时间尺度a的变换过程称为小波方差图，小波方差图能反映年全球海温在时间序列上的变化随时间尺度的分布情况，可用于获得海温时间序列变化的周期特征规律。
[0049]
s205、使用海温时间序列变化的周期特征规律从海温异常敏感备选区中获得海温异常敏感区。
[0050]
在该步骤中，根据小波分析获取的海温时间序列变化的周期特征规律，与海温异常敏感备选区时间系数显示的海温变化周期进行对比验证，更加准确地获得全球海温异常敏感区。
[0051]
在上述方案中，对历史全球海表面温度数据作逐月距平处理，对全球海表面温度的矩平进行eof分析，根据方差贡献率大的前三个模态的空间场和时间系数，确定海温异常敏感备选区。通过小波分析获取海温变化的周期特征规律，结合海温异常敏感备选区的时间系数显示的海温变化周期进行对比验证，从而更加准确地得出全球海温异常敏感区以及全球海温变化周期。
[0052]
如图3所示，本技术提供一种极端高温事件预测方法，计算各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时间，具体方法包括如下步骤：s301、针对每个历史极端高温事件，获得对应海温异常敏感区在历史极端高温事件发生当年和前一年的第一温度数据；并计算第一温度数据的逐月矩平，将第一温度数据的逐月矩平构成左场。
[0053]
例如：某年研究地区发生极端高温事件，该区域对应的海温异常敏感区为北太平洋，获得北太平洋当年和前一年的第一温度数据，计算该温度数据的逐月距平，其距平序列为x(t)=(x1(t)、x2(t)、
…
、x
24
(t))，其中1~12表示极端高温事件前一年的月份，13~24表示极端高温同年的月份，t是年份，将该距平序列作为左场。
[0054]
s302、获取历史极端高温事件发生当年的第二温度数据，并计算第二温度数据的逐月矩平，将第二温度数据的逐月矩平构成右场。
[0055]
例如：研究地区发生极端高温事件的当年逐月温度距平序列为y(t)=(y1(t)、y2(t)、
…
、y
12
(t))，其中1~12表示当年的月份，t的年份与左场一致。
[0056]
s303、对左场和右场进行奇异值分解分析，获得分析结果；并根据分析结果确定历史极端高温事件的滞后时段。
[0057]
在该步骤中，左场和右场的交叉协方差矩阵为：其中，符号《》表示求平均，对交叉协方差矩阵进行svd分解可得：c=uσv
t
其中，u对应x的空间模态，是为左奇异向量，v对应y的空间向量，是为右奇异向量，σ对角线为奇异值γ，将原观测场投影到对应的奇异向量上，即可获得时间系数矩阵。
[0058]
两个变量场第一模态的方差贡献率占总方差贡献率的大部分，由此分析第一模态的同性相关系数和异性相关系数。海温场使用同性相关系数，当同性相关系数较大时，说明海温距平模态时间系数对该距平序列代表性好。极端高温场使用异性相关系数，该值大小可以反映海温距平场与平均温度模态时间关系的相关程度，根据异性相关系数可以分析出海温异常敏感区对关联的发生区域产生影响的滞后时段，以上分析结果的可信程度还需通过蒙特卡罗方法作进一步检验。
[0059]
例如：若svd分析显示，第一模态中前一年9月至当年12月的同性相关系数较大，则表明第一模态的时间系数主要代表了前一年9月至当年12月海温的变化。若第一模态的异性相关系数表现出研究地区夏季7月的月温度距平与前一年12月至当年2月的北太平海温距平场有明显正相关，表明海温异常敏感区对关联的发生区域产生影响的滞后时间大约在5~7个月左右，以上分析由蒙特卡罗方法作显著性检验。
[0060]
在上述方案中，采用svd方法对极端高温历史事件和海温异常敏感区作时间滞后性分析，根据模态同性相关系数确定时间系数对海温异常敏感区的代表范围，根据异性相关系数分析计算各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时段。
[0061]
如图4所示，本技术一实施例提供一种极端高温事件预测装置100，包括：处理模块101，用于对历史全球海表面温度数据进行经验正交函数分解分析和小波分析，获得海温异常敏感区；处理模块101，用于对各个历史极端高温事件所发生区域内的所发生时间之前的温度数据，以及各个海温异常敏感区在对应时间内的温度数据进行相关性分析；获得各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性；构建模块102，计算各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时间，并根据各个历史极端高温事件的发生区域与各个海温异常敏感区之间相关性，和各个海温异常敏感区所关联的发生区域上的历史极端高温事件的滞后时段，构建预测模型。
[0062]
在一实施例中，处理模块101还用于：检测目标海温异常敏感区的表面温度数据，判断目标海温异常敏感区的表面温度数据是否出现异常；
若是，使用预测模型对目标海温异常敏感区的表面温度数据进行处理，获得极端高温事件的发生区域和发生时间。
[0063]
在一实施例中，处理模块101具体用于：对历史全球海表面温度空间分布数据进行经验正交函数分解分析，获得海温异常敏感备选区；对历史全球海表面温度时间序列数据进行小波分析获得分析结果，并使用分析结果从海温异常敏感备选区中获得海温异常敏感区。
[0064]
在一实施例中，处理模块101具体用于：对历史全球海表面温度空间分布数据进行经验正交函数分解分析获得不同模态的方差贡献率和时间系数；根据方差贡献率的大小获得全球海温的平均分布状态和变化一致区域，根据不同模态的时间系数获得季节性的变化周期；根据季节性的变化周期和全球海温的平均分布状态从变化一致区域中获得海温异常敏感备选区。
[0065]
在一实施例中，处理模块101具体用于：对历史全球海表面温度进行小波分析，获得海温时间序列变化的周期特征规律；使用海温时间序列变化的周期特征规律从海温异常敏感备选区中获得海温异常敏感区。
[0066]
在一实施例中，处理模块101具体用于：针对每个历史极端高温事件，获得对应海温异常敏感区在历史极端高温事件发生当年和前一年的第一温度数据；并计算第一温度数据的逐月矩平，将第一温度数据的逐月矩平构成左场；获取历史极端高温事件发生当年的第二温度数据，并计算第二温度数据的逐月矩平，将第二温度数据的逐月矩平构成右场；对左场和右场进行奇异值分解分析，获得分析结果；并根据分析结果确定历史极端高温事件的滞后时段。
[0067]
如图5所示，本技术一实施例提供一种电子设备200，电子设备200包括存储器201和处理器202。
[0068]
其中，存储器201用于存储处理器可执行的计算机指令；处理器202在执行计算机指令时实现上述实施例中方法中的各个步骤。具体可以参见前述方法实施例中的相关描述。
[0069]
可选地，上述存储器201既可以是独立的，也可以跟处理器202集成在一起。当存储器201独立设置时，该电子设备还包括总线，用于连接存储器201和处理器202。
[0070]
本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机指令，当处理器执行计算机指令时，实现上述实施例中方法中的各个步骤。
[0071]
本技术实施例还提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现上述实施例中方法中的各个步骤。
[0072]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或
者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
[0073]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。