基于插值的雨量预报评价模型的改进..doc

《基于插值的雨量预报评价模型的改进..doc》由会员分享，可在线阅读，更多相关《基于插值的雨量预报评价模型的改进..doc（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2010高教社杯全国大学生数学建模竞赛承 诺 书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括 、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 2005年C题 我们的参赛报名号为（如

2、果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 许昌学院 参赛队员 (打印并签名) ：1. 张 亮 2. 顾崇伟 3. 赵 超 指导教师或指导教师组负责人 (打印并签名)： 张亚东 日期： 2011 年 7 月 13 日基于插值的雨量预报评价模型摘 要本文讨论了雨量预报方法的评价问题，给出了散乱数据拟合的若干方法及误差确定方法，同时存顾及公众反应的情形下考虑了评价准则，最后针对评阅中发现的一些问题作了评述。 关键词：散乱数据插值 误差分析 一、问题的提出今年全国大学生数学建模竞赛 C题来源于气象部门的一个实际问题。天气预报与人民群众的生活密切相关，如何提高预报的准确性是气象部门非常关

3、注的问题。本题考虑的是对预报方法的评价问题。气象部门研究6小时雨量的两种预报方法，预报位置位于一个等距网格的5347个网格点上。同时在91个分布不均匀的观测站点实测各时段的实际雨量。如何评价两种预报方法的准确性? 二、插值方法要评价预报方法的准确性，必须对同一位置上的预报值和实测值进行比较，计算它们之间的误差大小。然而。由于条件的限制，我们得到的预报数据和实测值并不处于同一位置，这就需要根据已知信息推算出其它位置的信息。有两种方法：由实测站点的实值推算出预报网格点上的实测值，或者由预报网格点上的预报值推算出实测站点处的预报值。若采用第一种方案，由于观测站点的分布是散乱的，应采用散乱数据插值方法

4、。散乱数据插值方法很多，主要有Shepard插值和径向基插值。 设为观测站点的坐标,为处的实测值，为某个预报网格点。为了由处的实测数据推算出Q点的实测数据，容易想到的原则是，距离越近的点对 Q 的影响越大，距离越远的点对 Q 的影响越小。一个典型的方法是“反距离加权平均”，即Shepaxd方法。记为到Q点的距离，则定义插值函数当时，否则. (1)于是由散乱点处的实测值可以得到任一点处的实测值。按程序1利用Matlab软件可以模拟出91个观测点的位置，其站点分布图见下图（1）所示，图中的*表示91个站点位置。图（1）各站点位置图另一种常用的方法是径向基插值。例如用多二次径向基插值，设插值函数为

5、(2)其中为待定系数，c为常数，可取为 c=1。根据插值条件 (3)求解关于的线性代数方程组，可得到系数的值。 若采用第二种方案，上述两种方法仍然有效，也有参赛队采用双线性插值等其他插值方法进行计算。具体情况我们在第5节中加以说明。利用二次三元样条插值法选取部分数据对降雨量的观察图，用Matlab按程序2可模拟出图（2）所示部分降雨量的预测图。图（2）部分降雨量预测图三、误差分析记为预报网格点，为处的预报值。利用插值方法，得到上的实测值，记为，这样可定义两者之间的平方误差为 (4)考虑到不同的实测雨量的预报误差对公众的感受是不同的，应采用相对平方误差的概念，即定义 (5) 当，即处无雨时，(5

6、)式的分母为零，必须对这一情形作相应的处理。一种处理方式是定义 (6)也可以有其他的处理方法，例如 (7)在此基础上定义相对均方误差 (8)也可用连续区域中实测数据与预报数据之间的误差值。用(1)或(2)式等插值方法分别对实测数据和预报数据进行插值。得到整个区域(记为)内实测值和预报雨量的分布函数，分别记为和，相对均方误差可定义为 (9)对问题提供的41天共164个时段的数据分别求出相对均方误差的平均值和标准差，作为评价预报方法优劣的依据。四、考虑公众感受的模型在分级模型中，将不同等级的雨量与数值建立一一对应关系，如用分别对应于无雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨七个等级。然后建立公

7、众不满意度函数。最简单的定义方法是 (10)其中表示预报网格点处预报雨量的等级，表示网格点处实测雨量的等级。(1O)式反映了实测等级与预报等级相差越大，公众的不满意程度也越大这一事实。但是这个定义较为粗糙，没有考虑到不同等级的雨量的误报及不同时段的误报对公众的不同影响。 一种处理方法是，对不同等级的实测雨量，定义公众不满意度函数为 （11）其中表示第等级的雨量的权系数，当然也可取权系数为，表示权系数与预报等级和实测等级均有关系。然后对一天中4个时段的不满意度再加权求和，得到， （12） 其中表示第个时段的权系数，为由(11)式计算得到的第个时段的公众不满意度函数，表示公众对一天中各时段预报的总

8、体不满意度。这样，根据41天各时段的数据分别求出两种预报方法41天的总体不满意度的平均值和标准差，作为评价依据。 五、评阅中发现的问题在今年的评阅过程中，我们发现同学们对 问题一般都能很好地理解，查阅了很多有关的书籍，对数学软件 (如 MATLAB等)也能很好地使用。但也发现一些问题。 1) 对数据的处理问题，很多参赛队未能采用插值或拟合的方法，而简单地采用了最邻近点法。预报网格点及实测点之间不可能离得很近，一般都有很大的距离，这是一个常识。因此，最邻近点法会产生很大的误差。 有些参赛队采用了简单平均的方法，即某点的预报雨量用围绕其周围的4个预报网格点上的预报值作平均，由于没有考虑实测点与预报

9、点之间距离的影响，同样会产生较大的误差。 还有些参赛队采用了多项式插值，如双线性插值，理论上来说，这是一种可以接受的方法，但它过于局部化，实测点上的预报值仅依赖于周围4个预报网格点上的值。一种解决方法是扩展区域，用周围16个或更多点作多项式拟合。 2) 在数学软件的应用中，绝大多数参赛队都采用了 MATLAB软件，并使用了其中的 griddata函数来作数据插值。但只有少数参赛队说明了拟合的方法，并对 griddata函数中的插值方法加以说明。事实上，griddata函数有四种插值方法可供选择，缺省是线性插值。大多数参赛队在没有弄清方法的情况下，盲目使用数学软件，这是一种不好的倾向， 应加以克

10、服。 3) 很多参赛队在处理数据误差时，采用了绝对误差。对本题来说，最终结果与采用相对误差是相同的，但从问题出发，这不是很好。在工程问题中，涉及误差的问题，通常都采用相对误差。试想，实际降雨量为001 mm，而预报值为002 mm；与实际降雨量为10201 mm，预报值为1002 mm，它们的误差带给公众的感受难道是一样的吗? 4) 在考虑等级问题中，只有极少数参赛队考虑了不同等级的降雨量的误报对公众的不同影响，而考虑不同时段对公众的影响的参赛队就更少了。有一个参赛队考虑用层次分析法进行处理，这是很好的想法，可惜未能深入下去，给出相应的矩阵及计算结果，给人以虎头蛇尾的感觉。程序1： 29.70

11、00 29.9667;118.1833 119.6833 120.2500 121.7500;plot(x,y，*)程序2：x=1:4;y=1:4;temps=0.0 0.0 64.4 1.6214;0.0 0.0 31.1 1.9988;0.0 0.0 0.0 0.64 ;0.0 0.0 1.1 0.0;mesh(x,y,temps)xi=1:0.1:4;yi=1:0.1:4;zi=interp2(x,y,temps,xi,yi,cubic);mesh(xi,yi,zi)参考文献： 1 叶其孝主编大学生数学建模竞赛辅导教材(二)M长沙：湖南教育出版社。1997 2 谭永基，曾舍荣，王健用MQ

12、方法数值求解偏微分方程J.数学的实践与认识，1997，27(4);327-334 3 Hardy R LMultiquadric equations of topography and other irregular surfacesJJournal of Geophysical Researchj,1971，76(8):1905-1915 Rain Quantity Forecasting Evaluation ModelBased on InterpolationTAN Yong-ji， CAI Zhi-jie(School of Mathematical Sciences，b-ldan

13、University，Shanghai 200433)Abstract：In this paper，we study the problem of evaluating different methods of rain quantity forecastingWe describe some interpolate methods for scattering data and the method to estimate the errorWe set up an evaluating criterion to consider the public reaction on the forecastingW e also m ade some comments on the contest ar ticles Keywords：interpolation for scattering data；error analysis