一种快速收敛的超高频微波降雨数据离散化方法与流程

本发明属于气象数据处理领域，具体涉及一种快速收敛的超高频微波降雨数据离散化方法。

背景技术：

超高频微波网络是一种监测近地面降雨情况的有效途径，然而，超高频微波链路监测的降雨数据是线聚合的形式，穿过链路的降雨经过非线性的加权平均使得原本的降雨信息被掩盖。因无法克服离散化带来的巨大误差问题，现有的迭代提取方式存在效率低的问题，特别是增大虚拟站点数量后，计算时间呈指数式增长，难以应用到生产实践中，如何快速的从超高频微波网络降雨监测数据中提取出更准确的有效点信息对水资源利用及水灾害防治具有重要意义。

技术实现要素：

发明目的：为了解决现有的超高频微波降雨数据离散化过程中收敛速度慢的问题，本发明提供一种快速收敛的超高频微波降雨数据离散化方法。

技术方案：一种快速收敛的超高频微波降雨数据离散化方法，包括以下步骤：

步骤一、提供超高频微波网络，超高频微波网络包含n条链路，将各链路离散成m份的短链路；将每段短链路的中心点作为虚拟站点；将各虚拟站点降雨强度估计值设为各链路的线聚合降雨强度；

步骤二、在每条链路上的虚拟站点中确定中心点与旁侧点；

步骤三、对各链路的m个虚拟站点的降雨强度估计量进行优化，对于第i条链路，利用除第i条链路以外的n-1条链路的n-1个中心点的降雨强度估计值，通过反距离权重法计算出第i条链路上的m个虚拟站点的降雨强度估计值θit，t表示第t次迭代，再用修正公式对θit进行修正，所述修正公式为：

其中，为第t次迭代后第i条链路的m个虚拟站点新的降雨强度估计值；ri为第i条链路的线聚合降雨强度；bi是第i条链路itu雨衰公式参数，θikt为第t次迭代后第i条链路的第k个虚拟站点的降雨强度估计值；

设定迭代终止条件，若满足迭代终止条件则停止迭代，完成降雨数据离散化；若不满足迭代终止条件则继续进行迭代计算，且在t+1次迭代时，将第t次迭代结果修正后的设置为t+1次迭代时反距离权重法的输入。

进一步地，步骤一中，将各链路离散成m等份的短链路。

进一步地，步骤二中，若m为奇数，则链路中心点的虚拟站点为中心点，其他虚拟站点为旁侧点；若m为偶数，则从靠近链路中心点的两个虚拟站点中随机选取一个作为中心点，其他虚拟站点为旁侧点。

进一步地，步骤三中，迭代终止条件通过设置目标函数实现，所述目标函数为：

其中，q为设定的阈值。

进一步地，步骤三中，迭代终止条件通过设置迭代次数实现，当迭代超过设定次数时，迭代终止。

有益效果：本发明提供一种快速收敛的超高频微波降雨数据离散化方法，相比较现有技术，更加科学，且具有更快的收敛速度；针对超高频微波网络的特点，提出仅用中心站参与优化计算，大大降低了站点离散后给模型带来的误差；因本发明在降雨数据处理过程中，仅使用了中心站点，所以运算速度不受虚拟站点数量的限制。

附图说明

图1为链路离散及中心站确定示意图；

图2为本发明的方法流程图；

图3为理论高斯降雨场及链路分布；

图4(a)为本发明与idw迭代法效果对比；

图4(b)为本发明与idw迭代法收敛速度对比。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本实施例以包含97条链路的超高频微波网络为例，进行测试，并生成4个理论高斯降雨场，链路分布及高斯降雨场情况如图3所示。如图2所示，降雨数据离散过程包括以下步骤：

第一步，离散链路。将有97条链路的超高频微波网络中每条链路均离散成3等份的短链路，每段短链路的中心点作为虚拟站点，各虚拟站点的降雨强度估计值设为各链路线聚合降雨强度。

第二步，确定中心站与旁侧站。如图1所示，各链路中心点的虚拟站点作为中心站，其余虚拟站为旁侧站。因为本实施例是将每条链路分成3等份，因为每条链路上有三个虚拟站点，中间位置的就是中心站，若是将链路分为偶数段短链路，则从靠近链路中心点的两个虚拟站点中随机选取一个作为中心点，其他虚拟站点为旁侧站。

第三步，站点值优化。以第1条链路第一次迭代为例，依次依靠其他96条链路的96个中心站对本链路3个虚拟站点进行优化估计，通过反距离权重法(idw)计算出第1条链路上的3个虚拟站点的估计值θ11。

再利用修正公式对θ11进行修正：

对每条链路结果进行修正。其中，为第1次迭代后第1条链路的3个虚拟站点新的降雨估计值；r1为第1条链路的线聚合降雨强度；b1是该链路itu雨衰公式参数，可通过查表获得；θ1k1为第1次迭代后第1条链路的第k个虚拟站点的降雨估计值。

迭代终止条件可以通过设置目标函数实现，也可以通过设定迭代次数。比如目标函数设置为所有链路优化后与优化前值的误差总和小于0.00001，0.00001为设定的阈值，也可以根据需要设为其他值。若经过第一次迭代满足终止条件则完成离散化过程；否则，则进行2次迭代时，将第1次迭代结果设置为2次迭代时idw的输入。

为了验证本方法的收敛效果，下面采用idw迭代法进行对比。

同样以第1条链路第一次迭代为例，依次依靠其他96条链路的288个虚拟站点对本链路3个虚拟站点进行idw插值；然后进行第2条、第3条，以此类推；计算完所有链路后，对比所有虚拟站点估计值与迭代前值θ的差异；目标函数同样设置为小于0.00001。若经过第一次迭代满足终止条件则完成离散化过程，否则进入下一次迭代。

如图4是本发明与idw迭代法应用效果及收敛速度对比。图4(a)应用效果通过各虚拟站绝对平均误差(mae)的总和来表示，将本发明的mae减去idw迭代法的mae，所得结果低于0时说明本发明更好，可以明显看出4种情况下本发明均比idw迭代法精度高；由图4(b)可知，本发明收敛速度明显优于idw迭代法。