专利学习——基于单场降雨类型的降雨站点相似性评价方法

1 所属领域：水文水资源与数据挖掘技术交叉领域

2 步骤分析

2.1 提取统计特征量

单场降雨的特征向量，包括：单场降雨雨量和、单场降雨天数、单场降雨日平均降雨量、单场降雨日降雨量最大值等等
【计算了一下，应该是9个属性】

2.2 对2.1中的特征向量，进行均值为0，方差为1的标准化

2.3 对特征向量进行聚类

应该是一场降雨，会表示为一行向量，有9个特征，一场降雨就是用这9个特征描述出来。

• 聚类，是采用一些聚类算法，去把相似的向量分在一组，比如说K-means算法

2.4 得到N个类别之后，对每个类别降雨场次进行归一化处理，统计每个站点的降雨类型直方图

这一步是建立在2.3的基础上的，2.3 会对一个雨量站点的降雨进行聚类，假设得到N个类，每个类可能有x场降雨（也就是说有x行向量，因为一行向量表示一场降雨嘛）。

那么N个类中，每个类的降雨场次是不一样的，先做归一化处理
然后画出这个站点的N个类型的场次，用直方图去表示，（此时就可以看到，哪一个降雨类型包含的降雨场次是多的，哪一个类型包含的降雨场次是少的）

2.5 计算任意两个降雨站点的降雨类型直方图的相似度

是用下面这个公式来计算两个站点的相似度的。

• 我觉得很奇怪： 那么降雨直方图的意义在哪里呢？ 这边好像用到的只是降雨场次数目…好的继续往下看…

3 在2.3步骤中的聚类方法介绍

• 这一块先跳过

4 背景技术介绍

4.1 过去对降雨时间序列的研究

（1）降雨预测
（2）极值分布
（3）降水场的时空分布

4.2 本专利的创新点

• 从更细粒度分析单场降雨的统计特征

解释：如果单纯利用年降雨量的累计，而不考虑单场降雨，则无法区分一年内两个站点降雨类型的茶余，更无法区别降雨持续的时间等信息。

针对降雨时间序列不连续的特点，对单场降雨的各种特征进行统计分析，通过研究基于单场降雨的降雨序列相似性，继而研究区域降雨的相似性。

【是个好办法呀！】

5 具体实施方式

5.1 对降雨站点【雨量站】一段时间的数据进行预处理

1. 去除重复冗余的日降雨信息
   【不懂？？？】
2. 降雨间隔小于两天为同一场降雨，对单场降雨进行划分

5.2 单场降雨特征的选择和提取

非常关键的一步，特征的选择会直接影响到聚类结果的合理性

1. 考虑 单场降雨的降雨总量， 反映降雨量
2. 考虑 单场降雨的持续天数， 反映降雨持续时长
3. 考虑 日降雨量均值， 反映单场降雨的强弱情况
4. 考虑 雨量的最大值， 反映单场降雨的极值情况
5. 考虑 雨量的最小值， 反映单场降雨的极值情况
   根据气象部分规定，暴雨——24h 超过50mm；干旱——24h小于1.27mm

5.3 用DBI系数+K-means方法进行聚类

5.4 归一化

5.5 根据公式，评价任意两个降雨站点的相似性