自动化GRAPES区域预报模式显著性检验方法及系统

本发明属于产品质量评估技术领域，尤其涉及一种自动化grapes区域预报模式显著性检验方法及系统。

背景技术：

目前，对于grapes不同模式预报产品的质量对比评估，可以计算其在同一时效下的平均误差、均方根误差和标准差等检验评分用于对比分析。通过将不同模式的评分曲线绘制在同一张图表上，使用不同颜色的线条加以区分，气象分析人员可以直观地看出模式之间的差异性，对绘制好的图表进行分析和评估。现阶段，也有一些较为粗糙的检验评分卡方法，计算两个模式预报产品在各个评分下，不同时效的显著性检验p值(采用t检验的方式)，将其与设定的置信度进行对比，从而得到其评分等级，将其评分等级与不同颜色的色块进行对应，将得到的结果绘制在同一张图表上。但是仅用肉眼很难科学、定量地去分析模式之间的差异性有多大、是否显著，也难以同时观察不同评分下各个预报模式产品质量的差异性；另外，由于现存的预报检验系统及相关工具大多固定了预报产品的区域剪裁范围，参与检验的预报模式只能在有限个固定的区域内进行评分的计算，这使得从事科研的气象分析人员难以灵活地进行自定义范围的不同模式预报产品质量的显著性检验。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有技术无法科学、定量地分析不同模式之间预报产品质量的差异性，也无法同时观察在不同评分下的差异性。

(2)无法动态地选择参与检验的预报模式，更换模式需要修改程序，繁琐且耗时；参与检验的地理剪裁区域有限且固定，无法自定义剪裁区域。

(3)使用的检验算法固定，无法使用双边t检验外的其他算法对模式预报产品质量的差异性进行科学、定量地分析。

解决以上问题及缺陷的难度为：

对程序开发人员要求较高，既要求开发人员了解气象预报检验相关知识，又要求其懂得程序设计并能编写代码实现。

测试数据难以获得。程序开发所需的数据应是实际观测和预报的气象数据，该数据存储于中国气象数据中心，需要和其合作或申请才能获得。

解决以上问题及缺陷的意义为：

能够科学定量地分析不同预报模式之间的差异性，及差异的显著性；

可以灵活地剪裁指定区域地预报数据和指定检验算法，便于分析人员更为灵活地进行预报检验分析和科学研究。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种自动化grapes区域预报模式显著性检验方法及系统。

本发明是这样实现的，一种自动化grapes区域预报模式显著性检验方法，所述自动化grapes区域预报模式显著性检验方法包括以下步骤：

步骤一，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；

步骤二，前端将所述参数打包通过flask框架与后端进行通信，后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件，即grib文件；

步骤三，后台依据经纬度范围参数对grib文件中的数据进行裁剪，得到指定区域的格点预报值，取均值处理后作为所述区域的最终预报值；

步骤四，读取所述区域的观测数据，计算预报值和观测值在设置的日期范围内，每次起报的不同时效的均方根误差rmse、平均误差bias和标准差sd的统计量；

步骤五，使用设置的显著性检验算法和置信度，计算两个模式在不同统计量rmse、bias和sd下，各个时效的显著性检验统计量的p值；

步骤六，将p值与用户设置的置信度进行比较，得到评分等级，依据评分等级在前端绘制不同颜色的色块；在同一张图表上，同时绘制各个气象场下不同统计量的评分结果。

进一步，步骤四中，所述读取所述区域的观测数据，计算预报值和观测值在设置的日期范围内，每次起报的不同时效的均方根误差rmse、平均误差bias和标准差sd的统计量，包括：

(1)后台解析初始预报文件中所包含的时效，并得到所述时效的预报数据；

(2)对比对应时刻的观测数据，计算常规统计量均方根误差rmse、平均误差bias以及标准差sd。

进一步，步骤五中，所述使用设置的显著性检验算法和置信度，计算两个模式在不同统计量rmse、bias和sd下，各个时效的显著性检验统计量的值p，包括：

(1)用户在前端设置数据的日期范围、需要检验的两个模式及检验算法；

(2)后台依据所述设置，计算好两个模式在所述范围内每个时效的统计量rmse、bias和sd，

(3)对每个统计量分别用指定的检验算法进行显著性检验，得到结果p值。

进一步，步骤六中，用户可指定评分等级阈值，若有高于该等级的评分结果，前端将自动用红框勾出所述区域，帮助用户分析模式预报质量差异较为显著的时效和层次；用户通过前端的样式设置下拉框，将显示设置从色块切换为形状，即用不同的形状来表示不同的评分等级。

本发明的另一目的在于提供一种应用所述的自动化grapes区域预报模式显著性检验方法的自动化grapes区域预报模式显著性检验系统，所述自动化grapes区域预报模式显著性检验系统包括：用户层、应用层、功能层、奇数层和支持层；

用户层，包括用户界面；

应用层，用于对后台数据进行处理，包括检验模式设置、检验算法设置、置信度设置、数据日期设置、区域经纬度设置和显示样式设置；

功能层，用于实现数据路径提取、评分等级划分、grib文件解析、地理区域剪裁以及显著性检验计算；

技术层，包括前台技术、后台技术、数据交互和数据库；其中，所述前台技术包括html、css、javascript和vue框架，所述后台技术包括python3、numpy、pandas和scipy，所述数据交互利用flask框架，所述数据库为mysql；

支持层，包括硬件、网络和通讯协议。

进一步，所述自动化grapes区域预报模式显著性检验系统采用b/s架构，前端页面使用vue框架进行构建，后端采用python代码进行编写，并使用numpy，pandas和scipy第三方库进行数据处理和检验计算；采用flask框架进行前后台的数据交互，并使用mysql数据库进行后台数据的持久化处理。

本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的自动化grapes区域预报模式显著性检验方法。

本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述的自动化grapes区域预报模式显著性检验方法。

本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的自动化grapes区域预报模式显著性检验方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的自动化grapes区域预报模式显著性检验方法，采用b/s架构，前端页面使用vue框架进行构建，后端采用python代码进行编写，并使用numpy，pandas，scipy等第三方库进行数据处理和检验计算；另外，本发明采用flask框架进行前后台的数据交互，并使用mysql数据库进行后台数据的持久化处理，无需安装客户端，直接通过浏览器即可应用系统所有功能。

本发明在对grapes区域模式预报产品的质量对比检验应用中，针对现有较为粗糙的检验方法不便科学定量地分析不同模式之间预报产品质量的差异性和更换参与检验的预报模式、难以对预报数据进行自定义的地理区域剪裁或很难利用现有程序更换显著性检验算法等特点，设计了一种基于b/s架构的自动化grpaes区域预报模式显著性检验方法，用户可以通过前端页面便捷地修改检验模式、数据日期、检验算法等参数，系统能解析和处理这些参数，自动地从服务器读取所需的源预报数据文件，剪裁所需的地理区域及解析出该区域的预报值，与该区域实际观测值进行对比，计算出均方根误差、平均误差、标准差等统计量，并使用用户指定的显著性检验算法，计算出基于这些统计量，两种预报模式在一段时间范围内的预报产品质量的差异性。本发明使得气象分析人员只用与前端进行简单交互，就能科学高效地进行预报产品质量的差异性检验，不仅大大提高了检验的自定义化程度，也免去了分析人员每要调整检验相关参数就必须修改底层程序的烦恼。

对比的技术效果或者实验效果。

本发明中，用户仅需在前端指定日期、算法、模式等检验参数，系统能立即响应用户的操作，告知用户参数的修改或设置是否成功；当用户点击“开始绘制”按钮时，系统能根据指定参数读取所需的数据，并进行计算，最终将结果可视化展现到页面上，响应过程将不超过5秒，并且将以进度条的形式显示出当前的处理进度，从而增强用户体验，提高检验效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的自动化grapes区域预报模式显著性检验方法流程图。

图2是本发明实施例提供的自动化grapes区域预报模式显著性检验方法原理图。

图3是本发明实施例提供的自动化grapes区域预报模式显著性检验系统架构图。

图4是本发明实施例提供的用户还可点击选项卡中的“评分卡说明”按钮，查看不同色块代表的含义图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种自动化grapes区域预报模式显著性检验方法及系统，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的自动化grapes区域预报模式显著性检验方法包括以下步骤：

s101，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；

s102，前端将所述参数打包通过flask框架与后端进行通信，后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件，即grib文件；

s103，后台依据经纬度范围参数对grib文件中的数据进行裁剪，得到指定区域的格点预报值，取均值处理后作为所述区域的最终预报值；

s104，读取所述区域的观测数据，计算预报值和观测值在设置的日期范围内，每次起报的不同时效的均方根误差rmse、平均误差bias和标准差sd的统计量；

s105，使用设置的显著性检验算法和置信度，计算两个模式在不同统计量rmse、bias和sd下，各个时效的显著性检验统计量的p值；

s106，将p值与用户设置的置信度进行比较，得到评分等级，依据评分等级在前端绘制不同颜色的色块；在同一张图表上，同时绘制各个气象场下不同统计量的评分结果。

本发明实施例提供的自动化grapes区域预报模式显著性检验方法原理图如图2所示。

如图3所示，本发明实施例提供的自动化grapes区域预报模式显著性检验系统包括：用户层、应用层、功能层、奇数层和支持层。

用户层，包括用户界面；

应用层，用于对后台数据进行处理，包括检验模式设置、检验算法设置、置信度设置、数据日期设置、区域经纬度设置和显示样式设置；

功能层，用于实现数据路径提取、评分等级划分、grib文件解析、地理区域剪裁以及显著性检验计算；

技术层，包括前台技术、后台技术、数据交互和数据库；其中，所述前台技术包括html、css、javascript和vue框架，所述后台技术包括python3、numpy、pandas和scipy，所述数据交互利用flask框架，所述数据库为mysql；

支持层，包括硬件、网络和通讯协议。

下面结合实施例对本发明作进一步描述。

本发明采用b/s架构，无需安装客户端，直接通过浏览器即可应用系统所有功能。

步骤1：用户在前端指定需要检验的预报模式，后台根据指定的模式去服务器上取对应的预报数据；当用户需要更换检验的预报模式时，只需要通过前端的下拉框更换选择就可以，不再需要更改程序。

步骤2：用户在前端指定需要切割区域的起止经纬度，后台根据该经纬度范围从初始预报产品的grib文件中剪裁出对应的区域，并对该区域内所有格点的预报值做均值处理，以此作为该区域的最终预报值。

步骤3：后台解析初始预报文件中所包含的时效，并得到该时效的预报数据，对比其对应时刻的观测数据，计算其常规统计量均方根误差(rmse)，平均误差(bias)，标准差(sd)。

步骤4：用户在前端设置数据的日期范围、需要检验的两个模式及检验算法，后台依据该设置，计算好两个模式在该范围内每个时效的统计量(rmse，bias，sd)，对每个统计量分别用指定的检验算法进行显著性检验，得到结果p值。

步骤5：将p值与用户设置的置信度进行比较，得到评分等级，依据评分等级在前端绘制不同颜色的色块(也可切换为不同的形状)；在同一张图表上，同时绘制各个气象场下不同统计量的评分结果，便于比较和分析。

步骤6：用户可以指定评分等级阈值，若有高于该等级的评分结果，前端将自动用红框勾出该区域，进一步帮助用户分析模式预报质量差异较为显著的时效和层次。

本发明采用b/s架构，前端页面使用vue框架进行构建，后端采用python代码进行编写，并使用numpy，pandas，scipy等第三方库进行数据处理和检验计算；另外，本发明采用flask框架进行前后台的数据交互，并使用mysql数据库进行后台数据的持久化处理。本发明的系统架构图如图3所示。

用户可以在浏览器页面上设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度、评分卡显示样式等参数，前端将这些参数打包通过flask框架与后端进行通信；后端依据检验的模式和数据起止日期来确定数据文件在服务器的存放路径，然后按照得到路径读取到对应的预报源文件(grib文件)；接着后台依据经纬度范围参数对grib文件中的数据进行裁剪，得到指定区域的格点预报值，取均值处理后作为该区域的最终预报值；接着以同样的方式读取该区域的观测数据，从而计算预报值和观测值在设置的日期范围内，每次起报的不同时效的rmse、bias、sd等统计量；接着使用设置的显著性检验算法和置信度，计算两个模式在不同统计量(rmse、bias、sd)下，各个时效的显著性检验统计量的值(p值)；将p值与设置的3个置信度(包括其负值)进行比较，可将p值映射到7个评分等级上，每个等级用不同颜色的实体小方块来表示；最后将全部的评分色块结果绘制在一张图表上，便于用户的分析；用户也可通过前端的样式设置下拉框，将显示设置从色块切换为形状，即用不同的形状来表示不同的评分等级。

本发明在对grapes区域模式预报产品的质量对比检验应用中，针对现有较为粗糙的检验方法不便科学定量地分析不同模式之间预报产品质量的差异性和更换参与检验的预报模式、难以对预报数据进行自定义的地理区域剪裁或很难利用现有程序更换显著性检验算法等特点，设计了一种基于b/s架构的自动化grpaes区域预报模式显著性检验方法，用户可以通过前端页面便捷地修改检验模式、数据日期、检验算法等参数，系统能解析和处理这些参数，自动地从服务器读取所需的源预报数据文件，剪裁所需的地理区域及解析出该区域的预报值，与该区域实际观测值进行对比，计算出均方根误差、平均误差、标准差等统计量，并使用用户指定的显著性检验算法，计算出基于这些统计量，两种预报模式在一段时间范围内的预报产品质量的差异性。本发明使得气象分析人员只用与前端进行简单交互，就能科学高效地进行预报产品质量的差异性检验，不仅大大提高了检验的自定义化程度，也免去了分析人员每要调整检验相关参数就必须修改底层程序的烦恼。

在检验系统的选项卡中，用户可以在此处设置检验的相关参数，包括参与检验的预报模式、数据的起止日期、需要检验的地理区域范围、检验结果可视化样式等；此外还提供预设好的地理范围，用户可直接勾选，无需再手动输出；并且还提供png和svg两种格式的可视化结果导出，供用户依据自己的需求进行选择。

下面结合应用例对本发明的效果作进一步描述。

应用例

在绘制好的检验结果示例中，其中将不同层的高度温度场、风场绘制在同一张图表上，便于用户对指定的两种模式进行检验分析。

此外，用户还可点击选项卡中的“评分卡说明”按钮，查看不同色块代表的含义，如图4。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。