本发属于大气科学，尤其涉及一种基于高空数据与gm灰色迭代的降水量预测方法。
背景技术：
1、对于地面降水的观测与预测是气象业务的重要工作之一，常见的地面降水分析过程是通过收集区域内各地面观测站的降水时空资料，利用外推法、线性预测等常规手段对一定时间内的降水量数据进行预测。近年来地面观测自动化的普及以及高空气象要素的数据精度不断提高，为各类气象要素的预测提供了更多有价值的信息与支持。
2、随着智能算法的不断优化，现有技术通过机器学习等一系列智能算法对地面降水数据的预测进行了尝试，并取得了不错的进展。此类预测方法都是通过构建网络模型，分层次的进行数据处理，随后提取出各类数据的大致特征，利用这些特征进行一定程度的预测。但在地面降水的预测过程中，上述尝试只是单纯基于地区降水量来进行分析，而由长期的经验及统计结果来看，地区的降水量数据具有很强的非线性性质与不确定性，利用机器学习等预测手段对于地面降水量下一个时间节点或者降水整体的变化趋势或许是准确的，但针对未来多个时间节点的预测数据则存着较大的偏差。除此之外，利用机器学习等智能算法每次的出的预测结果都有可能不一样，所以对于降水量预测结果稳定度不能提供良好的保证，增加了降水量预测的不确定性，在面对降水量数据较少的情况下，几乎不能进行有效的预测。
技术实现思路
1、发明目的：为了解决上述现有技术存在的问题，本发明提供了一种基于高空数据与gm灰色迭代的降水量预测方法。
2、技术方案：本发明提供了一种基于高空数据与gm灰色迭代的降水量预测方法，包括如下步骤：
3、步骤1：将高空数据按照高度进行划分，得到x个高度层次数据；
4、步骤2：针对某一时刻的地面降水量，建立该时刻的地面降水量与该时刻第i个高度层次数据中的第j个气象要素数据xij之间的合关系模型，进行多项式拟合；i=1,2,…,x；j=1,2,…,n；其中n表示第i个高度层次数据中气象要素的总个数；
5、步骤3：基于gm灰色模型预测未来时间段内第i个高度层次的第j个气象要素数据；
6、步骤4：采用与步骤3相同的方法预测未来时间段内的地面降水量，并将该预测的地面降水量加入到历史地面降水量序列中，得到地面降水量序列；
7、步骤5：将根据步骤2中的拟合关系模型以及步骤3中的第i个高度层次的第j个气象要素数据，得到未来时间段内第i个高度层次对应的降水量序列，将未来时间段内第i个高度层次对应的降水量序列加入至历史第i个高度层次对应的降水量序列中，得到第i个高度层次对应的降水量序列，将第i个高度层次对应的降水量序列与步骤4中的地面降水量序列进行归一化处理，根据归一化处理后的结果计算最终预测的未来时间段内的地面降水量。
8、进一步的，所述步骤2中的拟合关系模型表达式如下所示：
9、，
10、其中，w表示地面降水量，表示与第i个高度层次数据中的第j个气象要素相应的第k个多次项的未知的拟合系数，表示未知的多次项的总个数。
11、进一步的，所述步骤3具体为：
12、步骤3.1：设定初步的微分方程预测模型：
13、，
14、其中，和为与xij对应的未知参数，，其中t=1,2,…,d，d为历史有效数据时间节点的总个数，表示时刻t时第i个高度层次数据中的第j个气象要素数据；将构成序列，；
15、步骤3.2：计算紧邻均值，生成序列，：
16、，
17、步骤3.3：对上述微分方程预测模型进行更新：
18、，
19、采用最小二乘法求解微分方程预测模型中的和，并将已知的和代入如下方程，计算得到未来时间段内第i个高度层次的第j个气象要素数据：
20、，
21、其中，k1为未来时间段内第一个时刻。
22、进一步的，所述步骤5具体为：将第i个高度层次对应的降水量序列与步骤4中的地面降水量序列进行归一化处理，得到归一化处理后的值，m=1,2,…,l， l表示未来时刻的总个数,i=1,2,…,x，x+1；其中x+1表示地面，根据的值得到最终预测的未来时刻m时的降水量数据：
23、，
24、其中，的表达式如下所示：
25、，
26、其中，ci的表达式为：
27、，
28、其中，表示第i个高度层次数据对应的降水量与其他高度层次数据对应的降水量之间的相关程度，，表示第i个高度层次数据对应的降水量与第个高度层次数据对应的降水量之间的相关系数, 表示第i个高度层次数据对应的降水量序列的标准差。
29、进一步的，该方法还包括对步骤3和步骤4的预测数据进行检验，具体为：对步骤3或者步骤4得到数据序列进行相对误差与级比偏差检验，如果检验结果没有达到预设的标准，则删除该数据并采用均值替代异常值。
30、有益效果：
31、 1.本发明结合高空与地面气象观测数据对降水量进行耦合分析，充分利用了高空气象探空仪的观测垂直精度，模型的灵敏度较高，所得预测结果较为客观准确。
32、2.本发明所采用的gm灰色迭代预测模型，在应对地面降水数据或高空气象要素数据量较少的情况下也能进行很好的预测，此外对于缺失数据还能进行可靠的数据填补，从而作为一种提升有效数据量的手段。
33、3.本发明利用不同高度层次的高空观测数据对地面降水量进行拟合预测，所得的预测结果可以相互比较，对于一些异常的预测值可以较容易的将其筛选出来并进行有效替换，即预测结果的检验便捷高效。
34、4.别名区域实用性较强，对于降水量较强的地区或降水量较弱的西部地区都适用，所得预测结果可对未来短期甚至中期的气象预报提供一定程度的数据参考，也可为短期的防灾减灾做出一定贡献。
1.基于高空数据与gm灰色迭代的降水量预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于高空数据与gm灰色迭代的降水量预测方法，其特征在于，所述步骤2中的拟合关系模型表达式如下所示：
3.根据权利要求1所述的基于高空数据与gm灰色迭代的降水量预测方法，其特征在于，所述步骤3具体为：
4.根据权利要求1所述的基于高空数据与gm灰色迭代的降水量预测方法，其特征在于，所述步骤5具体为：将第i个高度层次对应的降水量序列与步骤4中的地面降水量序列进行归一化处理，得到归一化处理后的值，m=1,2,…,l， l表示未来时刻的总个数,i=1,2,…,x，x+1；其中x+1表示地面，根据的值得到最终预测的未来时刻m时的降水量数据：
5.根据权利要求1所述的基于高空数据与gm灰色迭代的降水量预测方法，其特征在于，该方法还包括对步骤3和步骤4的预测数据进行检验，具体为：对步骤3或者步骤4得到数据序列进行相对误差与级比偏差检验，如果检验结果没有达到预设的标准，则删除该数据并采用均值替代异常值。
