專利名稱：區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明為區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，具體涉及區(qū)域性對(duì)極端天氣氣候事件的客觀識(shí)別方法領(lǐng)域。
背景技術(shù)：
極端天氣氣候事件通常具有一定的影響范圍和持續(xù)時(shí)間，即為區(qū)域性極端事件。 二現(xiàn)有對(duì)極端天氣事件的研究大多針對(duì)單一臺(tái)站的極值研究，如1948年由Penman H. L.提出了干燥度指數(shù)，Palmer W. C.于1965年提出帕爾默干旱指數(shù)PDSI，以及在對(duì)關(guān)于極端溫度和極端江水的27個(gè)核心指數(shù)。而極端天氣氣候事件，如2003年夏季歐洲熱浪、 2008年初中國(guó)南方冰凍雨雪災(zāi)害、2009/2010年中國(guó)西南大旱和2010年夏季巴基斯坦大洪水，通常都屬于區(qū)域性極端事件?，F(xiàn)有的研究也有觸及這一領(lǐng)域，如Dai等人(1998)基于月-年時(shí)間尺度的區(qū)域平均累積指數(shù)的區(qū)域性干旱研究；如Shiau等人(2001)、張強(qiáng) (2006)、王志南等人(2007)、閔岫等人(2008)和黃丹青等人(2009)分別在干旱、極端降水和極端溫度三個(gè)方面分析了極端事件的區(qū)域性和持續(xù)性問(wèn)題，但在方法上仍然是基于單一站點(diǎn)的持續(xù)性異常分析和站點(diǎn)之間的相關(guān)性分析，而并非直接針對(duì)區(qū)域性極端事件個(gè)體的研究。

發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺陷，提供一種能對(duì)區(qū)域性極端事件進(jìn)行客觀識(shí)別的方法。為了達(dá)到上述目的，本發(fā)明提供了一種區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，包括以下步驟
(1)逐日異常帶分離
1.1針對(duì)需要研究的區(qū)域性事件，選定區(qū)域內(nèi)的單一臺(tái)站的指數(shù)及相應(yīng)的異常性判別閥值，判斷單一臺(tái)站的逐日異常性；
1. 2在所述區(qū)域內(nèi)，對(duì)于異常性臺(tái)站j，計(jì)算其鄰站異常率r(j)=m/M ；對(duì)于非異常性臺(tái)站j，r(j)=0 ；其中j=l，-,η, η為所述區(qū)域內(nèi)的總臺(tái)站數(shù)，m為出現(xiàn)異常性的鄰站數(shù)，M為鄰站總數(shù)；
1. 3選取最大潛在異常帶中心將步驟1. 2中得到的r (j)中最大的臺(tái)站選為第一個(gè)最大潛在異常帶中心；另外n-1個(gè)臺(tái)站中的最大潛在異常帶中心滿足以下條件r(j)>RQ， d(j)>d。，其中，Rtl為0. 3 0. 5，d(j)為臺(tái)站j與已經(jīng)選為最大潛在異常帶中心的臺(tái)站之間距離的最小值，dc為100 400km ；
1. 4定義異常帶將步驟1. 3中選為最大潛在異常帶中心的K個(gè)臺(tái)站與其對(duì)應(yīng)的鄰站組成的異常帶分離成相互獨(dú)立的異常帶；
1. 5定義異常帶邊緣在所述區(qū)域內(nèi)，對(duì)未隸屬于任何步驟1. 4中已定義異常帶的異常性臺(tái)站，統(tǒng)計(jì)其鄰站隸屬于L個(gè)不同異常帶的站數(shù)number (1) ,number (2)、…、number (L)，找出其中最大者number (Imax)，當(dāng)number (Imax) >0時(shí)，該臺(tái)站屬于異常帶Imax，否則，該臺(tái)站為離散的異常性臺(tái)站；其中L為步驟1. 4中分離出的相互獨(dú)立的異常帶個(gè)數(shù)；
(2)事件的時(shí)間連續(xù)性識(shí)別當(dāng)某一正在發(fā)生的臨時(shí)事件上一日影響范圍與當(dāng)日異常帶范圍存在具有重合關(guān)系的異常帶，則該臨時(shí)事件連續(xù)，且該臨時(shí)事件的當(dāng)日影響范圍為所述具有重合關(guān)系的異常帶的并集，該連續(xù)的臨時(shí)事件為區(qū)域性事件；
(3)判別區(qū)域性事件的極端性將步驟(2)中識(shí)別的區(qū)域性事件進(jìn)行綜合強(qiáng)度排序，選取強(qiáng)度大的為區(qū)域性極端事件。步驟1. 1中所述區(qū)域性事件為干旱事件、高溫?zé)崂耸录?、冰凍事件、沙塵暴事件或連陰雨事件，單一臺(tái)站的指數(shù)選自日綜合氣象干旱指數(shù)、帕爾默干旱指數(shù)、日最高氣溫或相應(yīng)的其它指數(shù)；異常性判別閥值為絕對(duì)閥值或相對(duì)閥值，相對(duì)閥值為90%或10%。步驟1. 2中所述鄰站為小于400km距離的臺(tái)站。具體鄰站的確定需要依據(jù)選定區(qū)域內(nèi)的站點(diǎn)分布，站點(diǎn)分布密，則確定的鄰站之間距離小，鄰站分布疏，則確定的鄰站之間距離大。步驟1. 4中所述定義異常帶的過(guò)程為1. 4. 1、對(duì)于K個(gè)選為最大潛在異常帶中心的臺(tái)站，當(dāng)該臺(tái)站未隸屬于任何已定義異常帶時(shí)，它隸屬于一個(gè)新的異常帶1，否則，進(jìn)行下一個(gè)臺(tái)站處理；1. 4. 2、如果臺(tái)站j隸屬于異常帶1，則對(duì)于它的任何一個(gè)未隸屬于任何已定義異常帶的鄰站jo，當(dāng)它滿足Hjtl)彡Rtl時(shí)，該鄰站隸屬于異常帶1;1.4.3、對(duì)新入選異常帶1的臺(tái)站，重復(fù)步驟1.4. 2，直至找不到任何滿足條件的鄰站時(shí)，回到步驟1.4. 1。在進(jìn)行步驟(2)前，步驟1. 5中定義異常帶邊緣過(guò)程重復(fù)多次。步驟(2)中所述臨時(shí)事件的識(shí)別為當(dāng)臨時(shí)事件個(gè)數(shù)為零時(shí)，所有當(dāng)日的異常帶則轉(zhuǎn)
變?yōu)橄乱蝗盏呐R時(shí)事件；當(dāng)異常帶個(gè)數(shù)為零時(shí)，所有正在發(fā)生的臨時(shí)事件轉(zhuǎn)為正式事件；當(dāng)某一臨時(shí)事件無(wú)任何與其有重合關(guān)系的異常帶，則該臨時(shí)事件結(jié)束，并轉(zhuǎn)為正式事件；當(dāng)某一異常帶無(wú)任何與其有重合關(guān)系的臨時(shí)事件時(shí)，該異常帶轉(zhuǎn)化為下一日正在發(fā)生的臨時(shí)事件。步驟(3)中所述綜合強(qiáng)度選用過(guò)程綜合強(qiáng)度Z = Fd1, I2, As, Am，D)，將I1, I2, As, An^n D各自先進(jìn)行標(biāo)準(zhǔn)化后，再加權(quán)求和；所述I1為整個(gè)事件的過(guò)程極端強(qiáng)度，
L=Max(Tki) ;ι2為整個(gè)事件的過(guò)程累計(jì)強(qiáng)度，A=ZZ(7V-1U) ;as為整個(gè)事件
V“；: /
的累積影響面積廣(;Am為整個(gè)事件的過(guò)程最大影響面積，=ri」t ；D為
持續(xù)時(shí)間；其中；f是臺(tái)站j第k日指數(shù)的具體數(shù)值，Tki為其閥值，‘為逐日影
*· ^ h
響面積。區(qū)域性極端事件為過(guò)程綜合強(qiáng)度排序在前10%的區(qū)域性事件。本發(fā)明相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn)利用區(qū)域性事件的特性——具有一定的持續(xù)時(shí)間和持續(xù)期內(nèi)逐日氣候要素異常且具有一定的影響范圍，發(fā)現(xiàn)區(qū)域性事件的演變過(guò)程 (如圖1所示)一由逐日影響范圍“串”到一起的“逐日影響范圍串”，每個(gè)“糖葫蘆”相當(dāng)于逐日影響范圍，將持續(xù)期間的每一個(gè)“糖葫蘆” “串”到一起就構(gòu)成了一個(gè)完整的區(qū)域性事件。通過(guò)選取最大潛在異常帶中心，分離相互獨(dú)立的異常帶，進(jìn)行逐日異常帶分離；通過(guò)對(duì)事件的連續(xù)性識(shí)別，將不同的逐日異常帶合理地“串”成一串。建立專門針對(duì)區(qū)域性事件的指標(biāo)體系，以實(shí)現(xiàn)對(duì)區(qū)域性事件的評(píng)價(jià)，進(jìn)而可以合理地選出極端的區(qū)域性事件，即區(qū)域性極端天氣氣候事件(簡(jiǎn)稱區(qū)域性極端事件)。利用本發(fā)明方法能客觀而自動(dòng)地識(shí)別出區(qū)域性事件在持續(xù)期間逐日影響范圍，并能將這些逐日影響范圍合理地“串”成一串從而構(gòu)成一個(gè)完整的區(qū)域性事件。


圖1為區(qū)域性事件演變過(guò)程示意圖。圖2為本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法總體流程圖。圖3為圖1中步驟(1)對(duì)逐日自然異常帶分離的技術(shù)流程圖。圖4為日自然異常帶識(shí)別結(jié)果事例圖。圖5為圖1中步驟(2)對(duì)事件的時(shí)間連續(xù)性識(shí)別的技術(shù)流程圖。圖6為應(yīng)用本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法研究1961-2010年中國(guó)區(qū)域性氣象干旱事件頻次演變圖，圖中直線為線性趨勢(shì)。圖7為應(yīng)用本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法研究1998/1999年中國(guó)北方特大干旱事件的累積強(qiáng)度區(qū)域分布圖。圖8為應(yīng)用本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法研究1961-2010年中國(guó)區(qū)域性降水事件頻次演變圖，圖中直線為線性趨勢(shì)。圖9為應(yīng)用本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法研究1961-2010年中國(guó)區(qū)域性高溫事件頻次演變圖，圖中直線為線性趨勢(shì)。圖10為應(yīng)用本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法研究1961-2010 年中國(guó)區(qū)域性低溫事件頻次演變圖，圖中直線為線性趨勢(shì)。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法進(jìn)行詳細(xì)說(shuō)明。如圖2所示為本發(fā)明區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法的總體流程圖， 包括以下步驟
1、逐日異常帶分離
結(jié)合圖3，逐日自然異常帶分離的技術(shù)流程如下 1.1單點(diǎn)(站)逐日指數(shù)選定
針對(duì)所關(guān)注的某一種區(qū)域性事件，首先需要選定合適的針對(duì)單一臺(tái)站的指數(shù)P。通?？蓮某Ｓ玫闹笖?shù)，如針對(duì)區(qū)域性干旱事件，可選擇日綜合氣象干旱指數(shù)CI或帕爾默干旱指數(shù) PDSI ；針對(duì)區(qū)域性高溫?zé)崂耸录?，可選擇日最高氣溫。此外，針對(duì)一些特殊的區(qū)域性事件如冰凍事件、沙塵暴事件或連陰雨事件，可根據(jù)需要選擇其它指數(shù)或研究新的單一臺(tái)站的指數(shù)。1.2判斷單一站點(diǎn)的異常性
首先針對(duì)所選定的單站指數(shù)(P)，確定相應(yīng)的異常性判別閥值(Pt)，如90% (或10%)百分位或其它數(shù)值。通常，為保證在事件的時(shí)間連續(xù)性判別過(guò)程中有充分的連續(xù)性，異常性判別閥值的選取可以適當(dāng)寬松，不宜要求過(guò)高的極端性。對(duì)于臺(tái)站j，當(dāng)某日Pj超過(guò)(視情況大于或小于)閥值Ptj時(shí)，表示該站當(dāng)日出現(xiàn)異常性。如圖4中所有格點(diǎn)為當(dāng)日η個(gè)臺(tái)站所有的異常性分布。1. 3計(jì)算鄰站異常率
對(duì)每個(gè)臺(tái)站j(j=l，2，···，η),定義與其距離小于固定距離(如200 km)的臺(tái)站為它的鄰站。在此基礎(chǔ)上，可進(jìn)行下列工作。對(duì)于異常性臺(tái)站j，其鄰站異常率為
r(j)=m/M, j=l,...,n(1)
其中M和m分別是鄰站總數(shù)和出現(xiàn)異常性的鄰站數(shù)?？芍猺(j)的變化范圍為0.0 1.0。對(duì)于非異常性臺(tái)站j，r(j)取值為0。1. 4選取最大潛在異常中心
對(duì)于異常性臺(tái)站j，當(dāng)r (j)大于或超等于某一臨界值R0時(shí)，它就可能隸屬于某一個(gè)確定的異常帶。于是，這部分包括下列三個(gè)步驟第一步，將r(j)從大到小按降序排列；第二步， 選擇r(j)最大的臺(tái)站為第一個(gè)最大潛在異常帶中心(以后簡(jiǎn)稱異常帶中心)；第三步，檢查另外n-1個(gè)臺(tái)站，任一臺(tái)站將被選定為異常帶中心，當(dāng)且僅當(dāng)它滿足下列條件時(shí)
r(j) > R0(2)
禾口
d > dc(3)
其中d是臺(tái)站j與已入選的任一異常帶中心之間距離的最小值，d。為一距離常數(shù)(如 300 km)。為利于識(shí)別出全部獨(dú)立異常帶，Rtl取值不宜太大，一般取0.3 0.5。假定通過(guò)上述方法尋找到K個(gè)異常帶中心。1. 5定義異常帶
對(duì)K個(gè)入選異常帶中心的臺(tái)站依次進(jìn)行以下步驟。步驟1 當(dāng)且僅當(dāng)該臺(tái)站未隸屬于任何已定義異常帶時(shí)，它隸屬于一個(gè)新的異常帶1。否則，對(duì)下一個(gè)異常帶中心做同樣處理。步驟2 如果臺(tái)站j隸屬于異常帶1，則對(duì)于它的任何一個(gè)未隸屬于任何已定義異常帶的鄰站jo，當(dāng)它滿足Hjtl)彡Rtl時(shí)，該鄰站隸屬于異常帶1。步驟3:對(duì)新入選異常帶1的臺(tái)站，重復(fù)步驟2，直至找不到任何滿足條件的鄰站時(shí)，回到步驟1。通過(guò)上述方法假定可以分離出L( L < K)個(gè)相互獨(dú)立的異常帶。1. 6粗定義異常帶邊緣
定義異常帶邊緣僅限于對(duì)所有未隸屬于任何已定義異常帶的異常性臺(tái)站進(jìn)行。對(duì)每一個(gè)這樣的臺(tái)站
步驟1 統(tǒng)計(jì)出其鄰站隸屬于L個(gè)不同異常帶的站數(shù)number (1)、number (2).....
number (L)。步驟2 找出其中最大者number (1 max)。當(dāng)且僅當(dāng)number (1 max) > 0時(shí)，該臺(tái)站屬于異常帶1_。否則它是一個(gè)真正的離散的異常性臺(tái)站。
1. 7細(xì)定義異常帶邊緣
在粗定義異常帶邊緣的基礎(chǔ)上，過(guò)程“1. 6”可重復(fù)一次或多次，從而使得異常帶邊緣更趨合理。至此，L個(gè)相互獨(dú)立的異常帶(如圖4中由3個(gè)成片的不同符號(hào)表示)和一些離散的異常性站點(diǎn)(圖4中由多個(gè)分散的小“φ”表示)就成功地分離開(kāi)來(lái)。2、事件的時(shí)間連續(xù)性識(shí)別
從前面的分析知道，一個(gè)異常事件可以理解為一個(gè)“日異常帶串”即包含起止日期和事件期間的逐日異常帶信息。圖5給出了事件的時(shí)間連續(xù)性識(shí)別的思路流程。以下逐一分析各步驟的技術(shù)思路。2.1逐日判斷正在發(fā)生的臨時(shí)事件和當(dāng)日的異常帶
針對(duì)某一日，判斷正在發(fā)生的臨時(shí)事件和當(dāng)日的異常帶。其中，正在發(fā)生的臨時(shí)事件是指上一日正在發(fā)生的臨時(shí)事件，之所以稱之為“臨時(shí)事件”，是由于其結(jié)束日期暫時(shí)為上一日，需要在后面的連續(xù)性判別中最終確定。極端情況下，當(dāng)臨時(shí)事件個(gè)數(shù)K為零，則所有當(dāng)日的異常帶則自動(dòng)變?yōu)橄乱蝗盏呐R時(shí)事件；當(dāng)異常帶個(gè)數(shù)M為零時(shí)，則所有正在發(fā)生的臨時(shí)事件就自動(dòng)轉(zhuǎn)為了正式事件；當(dāng)K和M同時(shí)為零時(shí)，則直接對(duì)下一日進(jìn)行判斷。2.2臨時(shí)事件與異常帶的重合關(guān)系判別
根據(jù)某一臨時(shí)事件上一日影響范圍與當(dāng)日異常帶范圍的空間分布，判定它們之間的重合關(guān)系。若影響范圍與異常帶范圍存在相同的部分(站點(diǎn))，則表明具有重合關(guān)系，否則為非重合關(guān)系。2.3臨時(shí)事件的時(shí)間連續(xù)性判別
根據(jù)臨時(shí)事件與異常帶的重合關(guān)系判別結(jié)果，當(dāng)某一臨時(shí)事件存在重合關(guān)系的異常帶，則該臨時(shí)事件持續(xù)，且當(dāng)日的影響范圍為這些與其有重合關(guān)系的異常帶之并集；當(dāng)該臨時(shí)事件無(wú)任何與其有重合關(guān)系的異常帶，則該臨時(shí)事件結(jié)束，并轉(zhuǎn)為了正式事件。當(dāng)多個(gè)臨時(shí)事件同時(shí)與一個(gè)異常帶重合時(shí)，合并這些臨時(shí)事件。當(dāng)某一異常帶沒(méi)有任何與其有重合關(guān)系的臨時(shí)事件時(shí)，該異常帶轉(zhuǎn)化為下一日正在發(fā)生的臨時(shí)事件。2. 4最后一日的特殊處理
當(dāng)上述分析進(jìn)行到研究時(shí)段的最后一日時(shí)，在進(jìn)行完時(shí)間連續(xù)性判別后，所有臨時(shí)事件全部轉(zhuǎn)變?yōu)檎疆惓Ｊ录?，分析結(jié)束。3、判斷區(qū)域性事件的極端性 3. 1建立區(qū)域性事件的指標(biāo)體系
區(qū)域性天氣氣候事件指標(biāo)體系如表1所示，是根據(jù)區(qū)域性事件的特點(diǎn)專門提出的，具體包括下列內(nèi)容
表1區(qū)域性天氣氣候事件指標(biāo)體系
權(quán)利要求
1. 一種區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于包括以下步驟(1)逐日異常帶分離·1.1、針對(duì)需要研究的區(qū)域性事件，選定區(qū)域內(nèi)的單一臺(tái)站的指數(shù)及相應(yīng)的異常性判別閥值，判斷單一臺(tái)站的逐日異常性；·1. 2、在所述區(qū)域內(nèi)，對(duì)于異常性臺(tái)站j，計(jì)算其鄰站異常率r(j)=m/M ；對(duì)于非異常性臺(tái)站j，r(j)=0 ； 其中j=l，···，!!，η為所述區(qū)域內(nèi)的總臺(tái)站數(shù)，m為出現(xiàn)異常性的鄰站數(shù)， M為鄰站總數(shù)；·1.3、選取最大潛在異常帶中心將步驟(2)中得到的r(j)中最大的臺(tái)站選為第一個(gè)最大潛在異常帶中心；另外n-1個(gè)臺(tái)站中的最大潛在異常帶中心滿足以下條件!·(」)>‘ d(j)>d。，其中，Rtl為0. 3 0. 5，d(j)為臺(tái)站j與已經(jīng)選為最大潛在異常帶中心的臺(tái)站之間距離的最小值，dc為100 400km ；·1.4、定義異常帶將步驟1. 3中選為最大潛在異常帶中心的K個(gè)臺(tái)站與其對(duì)應(yīng)的鄰站組成的異常帶分離成相互獨(dú)立的異常帶；·1.5、定義異常帶邊緣在所述區(qū)域內(nèi)，對(duì)未隸屬于任何步驟1.4中已定義異常帶的異常性臺(tái)站，統(tǒng)計(jì)其鄰站隸屬于L個(gè)不同異常帶的站數(shù)Mimber(I)、nUmber(2)、…、 number (L)，找出其中最大者number (Imax)，當(dāng)number (Imax) >0時(shí)，該臺(tái)站屬于異常帶Imax，否則，該臺(tái)站為離散的異常性臺(tái)站；其中L為步驟1. 4中分離出的相互獨(dú)立的異常帶個(gè)數(shù)；(2)事件的時(shí)間連續(xù)性識(shí)別當(dāng)某一正在發(fā)生的臨時(shí)事件上一日影響范圍與當(dāng)日異常帶范圍存在具有重合關(guān)系的異常帶，則該臨時(shí)事件連續(xù)，且該臨時(shí)事件的當(dāng)日影響范圍為所述具有重合關(guān)系的異常帶的并集，該連續(xù)的臨時(shí)事件為區(qū)域性事件；(3)判別區(qū)域性事件的極端性將步驟(2)中識(shí)別的區(qū)域性事件進(jìn)行綜合強(qiáng)度排序，選取強(qiáng)度大的為區(qū)域性極端事件。
2.根據(jù)權(quán)利要求1所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于 步驟1. 4中所述定義異常帶的過(guò)程為1. 4. 1、對(duì)于K個(gè)選為最大潛在異常帶中心的臺(tái)站，當(dāng)該臺(tái)站未隸屬于任何已定義異常帶時(shí)，它隸屬于一個(gè)新的異常帶1，否則，進(jìn)行下一個(gè)臺(tái)站處理；1. 4. 2、如果臺(tái)站j隸屬于異常帶1，則對(duì)于它的任何一個(gè)未隸屬于任何已定義異常帶的鄰站jo，當(dāng)它滿足Hjtl)彡Rtl時(shí)，該鄰站隸屬于異常帶1 ;1. 4. 3、對(duì)新入選異常帶1 的臺(tái)站，重復(fù)步驟1.4. 2，直至找不到任何滿足條件的鄰站時(shí)，回到步驟1.4. 1。
3.根據(jù)權(quán)利要求1或2所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于步驟1. 1中所述區(qū)域性事件為干旱事件、高溫?zé)崂耸录?、冰凍事件、沙塵暴事件或連陰雨事件。
4.根據(jù)權(quán)利要求1或2所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于步驟1. 1中所述單一臺(tái)站的指數(shù)選自日綜合氣象干旱指數(shù)、帕爾默干旱指數(shù)或日最高氣iS ο
5.根據(jù)權(quán)利要求1或2所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于步驟1. 1中所述異常性判別閥值為絕對(duì)閥值或相對(duì)閥值，相對(duì)閥值為90%或10%。
6.根據(jù)權(quán)利要求1或2所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于步驟1. 2中所述鄰站為小于400km距離的臺(tái)站。
7.根據(jù)權(quán)利要求1或2所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于在進(jìn)行步驟(2)前，步驟1. 5中定義異常帶邊緣過(guò)程重復(fù)多次。
8.根據(jù)權(quán)利要求1或2所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于步驟(2)中所述臨時(shí)事件的識(shí)別為當(dāng)臨時(shí)事件個(gè)數(shù)為零時(shí)，所有當(dāng)日的異常帶則轉(zhuǎn)變?yōu)橄乱蝗盏呐R時(shí)事件；當(dāng)異常帶個(gè)數(shù)為零時(shí)，所有正在發(fā)生的臨時(shí)事件轉(zhuǎn)為正式事件；當(dāng)某一臨時(shí)事件無(wú)任何與其有重合關(guān)系的異常帶，則該臨時(shí)事件結(jié)束，并轉(zhuǎn)為正式事件；當(dāng)某一異常帶無(wú)任何與其有重合關(guān)系的臨時(shí)事件時(shí)，該異常帶轉(zhuǎn)化為下一日正在發(fā)生的臨時(shí)事件。
9.根據(jù)權(quán)利要求1或2所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于步驟(3)中所述綜合強(qiáng)度選用過(guò)程綜合強(qiáng)度Z = Fd1, I2, As, Am，D)，將I1, I2, As, An^n D各自先進(jìn)行標(biāo)準(zhǔn)化后，再加權(quán)求和；所述I1為整個(gè)事件的過(guò)程極端強(qiáng)度，
10.根據(jù)權(quán)利要求9所述的區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，其特征在于 步驟(3)中所述區(qū)域性極端事件為過(guò)程綜合強(qiáng)度排序在前10%的區(qū)域性事件。
全文摘要
本發(fā)明公開(kāi)了一種區(qū)域性極端事件的“糖葫蘆串”客觀識(shí)別方法，包括以下步驟1、單一站點(diǎn)異常性判斷；2、計(jì)算鄰站異常率r(j)；3、選取最大潛在異常帶中心；4、定義異常帶5、定義異常帶邊緣；6、事件的時(shí)間連續(xù)性識(shí)別；7、判別區(qū)域性事件的極端性。通過(guò)本發(fā)明方法能夠客觀而自動(dòng)地識(shí)別出區(qū)域性事件在持續(xù)期間逐日影響范圍，并能將這些逐日影響范圍合理地“串”成一串從而構(gòu)成一個(gè)完整的區(qū)域性事件。
文檔編號(hào)G06F19/00GK102306248SQ201110246620
公開(kāi)日2012年1月4日 申請(qǐng)日期2011年8月26日 優(yōu)先權(quán)日2011年8月26日
發(fā)明者任福民, 崔冬林, 王艷姣, 鄒旭愷, 龔志強(qiáng) 申請(qǐng)人:任福民, 崔冬林, 王艷姣, 鄒旭愷, 龔志強(qiáng)