雨量预报方法的评价2.docVIP

雨量预报方法的评价 摘要 本文以所给的的有关数据为资料，对雨量预报进行研究，针对各个问题，我们分别建立了插值计算模型，满意度评价模型等多个数学模型，经过严密的理论论证，精确的计算，很好的解决了雨量预报的的问题。 针对问题一，我们首先根据插值的的相关知识/理论,建立了最邻近插值和反距离加权模型。为了解决预报点与实测点的不重合，我们运用插值原理求出其再次的近似点，根具matlab griddata求解,我们可以得到所需的预报点。而且由我们的计算，预报方法二较为合理。 在问题二中,我们考虑到了不同时段群众的不满意度不同，因而采用了增加权重表格，区别对待各时段的预报误差。这样就很好的解决了满意度贴切生活的难题。 在求解的过程中，我们在数据的处理上不可避免的存在不少误差，我们通过探讨研究，给出了概率灵敏度和误差分析，分析了其中的误差产生的来源，尽量避免由于误差所造成求解的错误，进而得出了一个较好的方案。 我们还对模型进行改进，通过求均值和绝对误差平方，使得模型更加合理，更加切合实际。 关键词; 评价 ;插值；误差平方和；反距离加权平均；权重 一 问题的提出 雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量作出预报是一个十分困难的问题，广受世界各国关注。我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段（21点至次日3点，次日3点至9点，9点至15点，15点至21点）在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上。同时设立91个观测站点实测这些时段的实际雨量，由于各种条件的限制，站点的设置是不均匀的。 气象部门希望建立一种科学评价预报方法好坏的数学模型与方法。气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据。 雨量用毫米做单位，小于0.1毫米视为无雨。 请建立数学模型来评价两种6小时雨量预报方法的准确性； 气象部门将6小时降雨量分为6等：0.1—2.5毫米为小雨，2.6—6毫米为中雨，6.1—12毫米为大雨，12.1—25毫米为暴雨，25.1—60毫米为大暴雨，大于60.1毫米为特大暴雨。若按此分级向公众预报，如何在评价方法中考虑公众的感受？ 二、模型的假设与约定 假设两种预报方法本身所产生的系统误差不予考虑； 假设所用的实测数据的测量无误差； 假设所选站点的分布在区域内具有随机性和普遍性； 假设所选站点的经纬分布测量准确； 因为网格均匀分布的，但实测站点的分布由于受地形影响，不能均匀分布，我们忽略站点位置与网格点的距离差别。 三 符号说明 : 表示个等距网格点上第行第列的经纬度坐 z,z: 分别表示第一，第二种预报方法对预报点第d 天第t时段的降雨量预报值 ： 分别表示两种预报方法对观测站第d天第t时段的降雨量预报值 与预报点之间的距离 : 表示两种预报方法对观测站预报值的绝对误差 ： 表示两种预报方法预报值绝对误差的数学期望 ： 表示两种预报方法预报值绝对误差的方差 四 模型的建立与求解 我们建立了两个模型，对该问题进行预测。 本题给出的预报数据和实测数据不在同一位置，因此要对它们作正确的评价。就要先将数据预处理。使得实测数据与预测数据有可比性，即把网格预报数据通过最邻近点插值及反距离加权平均映射到实测站点的所在的位置。通过观测站点上映射出的预报值与实际观测值比较，来评价两种预报模型的好坏。由此，我们建立了两个模型，来进行预测评价。 模型I;采用插值方法进行模型建立与求解 “最邻近点插值法” 这种算法的思想是将与最邻近的点的预报值z,z 作为此观测站预报值，即 ，=， 如图： “反距离加权平均法” 由于观测站处的降雨量不仅与它最邻近点的降雨量有关，而且与它周围的降雨量存在着密切的关系，对处降雨量的预报，应考虑其邻近网格点预报值对它的影响。我们将寻找的一个领域，并假设此领域外的网格点降雨量对的影响可以忽略不计。其中到的距离为 对于，两种预报方法对点在第d天第t时段的预报值定义为 其中 此算法在“反距离加权平均法”(又称Shepard方法)基础上进行了适当改进，其基本思想是对于，对的预报值的影响随它们之间距离的增大而减小。值得注意的是，当存在预报点离足够近时(如：)，按“反距离加权平均法”，预报点对的影响很大，同时，为了防止直接利用“反距离加权平均法”计算时出现奇异，我们直接将预报点的预报值当成观测站预报值。 取，通过计算，得到两种预报方法各观测站的全部预报值如图2所示。 模型二；满意度评价模型 气象部门在对公众进行气象预报时并不是报出每个地区的降雨量的数值，而是将65时降雨量分为7等：无雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨。这样公众在衡量气象预报是否准确时会根