本发明属于气温观测技术领域，具体地涉及一种基于EEMD-CES的地面气温观测资料质量控制方法。
背景技术：
在全球信息化背景下，数值天气预报已成为影响经济发展和水平提升的一种必要天气预报手段；而社会对数值天气预报的要求也随着人们生活水平的提高而越来越高，相应的，对地面观测资料的质量要求随之提升。
地面气象观测资料的质量控制可以分成两种情况，一种是单站质量控制，即对单个目标站进行质量控制，可以有效解决部分地区台站密度低或新建台站等无法获取邻站内部有效参考资料的台站的质量控制。常见的单站质量控制方法有格式检查、极值检验、时间一致性检验。另一种为多站质量控制，常见的多站质量控制方法有空间回归检验法(Spatial Regression Test)、反距离加权法(Inverse Distance Weighting)。
技术实现要素：
本发明的目的在于针对现有技术的缺陷或问题，提供一种基于EEMD-CES的地面气温观测资料质量控制方法。
本发明的技术方案如下：一种基于EEMD-CES的地面气温观测资料质量控制方法包括如下步骤：一、选取目标站地面气温观测资料一段时间序列，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，其中，T为时间；二、利用经验模态分解方法对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)；三、基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，挑选出能量密度高与相关性强的本征模分量；四、将挑选出的本征模分量与剩余分量叠加重构为新的气温观测序列X2(t)，并将其作为三次指数平滑法的输入，采用重近轻远策略对各观测值赋予相应的权重，实现气温观测资料的质量控制；五、在上述基础上，利用平均绝对误差均方根误差和纳什系数来评价模型性能，其中，Yobs为随机误差的观测值，Yest为EEMD-CES方法得到的估计值；六、对比植入随机误差的观测值Yobs与EEMD-CES方法得到的估计值Yest，若其差值满足|Yest-Yobs|≤f·σ则认为数据正确；若不满足，则将其标记为疑误数据，其中，σ为被检站气温序列标准误差；f为质量控制参数。
优选地，在步骤一中，基本质量控制方法包括格式检查、极值检查、范围检查、内部一致性检查、时间一致性检查。
优选地，在步骤三中，每个本征模分量的能量密度及其与原始气温序列的相关性分别按照公式和进行计算；其中，ci为第i个本征模分量，第i个本征模分量的均值，y为原始气温序列，为原始气温序列的均值，σi为第i个本征模分量的标准差，σ为原始气温序列的标准差，ρi为第i个本征模分量与原始气温序列的相关性。
优选地，在步骤四中，采用重近轻远策略为：对距离未来预测值较近的观测值赋予较大的权重，对距离较远的观测值赋予较小的权重。
本发明提供的技术方案具有如下有益效果：
从方法原理上看，CES仅仅根据未来预测值与过去观测值距离的远近程度对其赋予相应的权重进行回归预测，未对气温时间序列进行预处理，导致其质量控制精度不高；EMD-CES虽考虑到气温时间序列中存在高斯白噪声，但其分解存在模式混叠问题，噪声序列依然可能存留在目标序列中，筛选不净，因此质量控制精度欠佳；而EEMD-CES方法则有效的解决了模式混叠问题，通过添加白噪声序列再分解，改变了原始气温序列的极值特性，抑制了混叠现象的产生，而加入的白噪声则会通过本征模分量整体平均而相互抵消，因此具有较高的质量控制效果。
本发明提出了一种新的单站质量控制方法，模型操作简便，泛化能力强，能够有效提高数据质量，达到质量控制效果，为短期数值天气预报提供了更准确的观测资料。
附图说明
图1为本发明方法流程图；
图2为无锡站气温时间序列EEMD分解图；
图3为本发明方法与CES和EMD-CES方法的MAE、RMSE、NSC效果对比图；
图4为最佳f值下本发明方法与传统单站质量控制方法、CES及EMD-CES方法四种方法的检错效果对比图。
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，以下结合附图及实施例，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。
除非上下文另有特定清楚的描述，本发明中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。
如图1所示，所述基于EEMD-CES的地面气温观测资料质量控制方法中，首先采集被检站一段时间序列内的气温观测资料，并在其中添加高斯白噪声，得到新的时间序列；再利用EMD方法对新序列进行分解，得到有限多个特征单一的本征模分量和残余分量；然后基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，以此挑选出合适的本征模分量；将挑选出的本征模分量与剩余分量叠加重构为新的气温序列，并将其作为三次指数平滑法的输入，输出得到气温时间序列的估计值。最后对比原始值与估计值，进行条件修正，完成质量控制。
具体地，所述基于EEMD-CES的地面气温观测资料质量控制方法，包括以下步骤：
一、选取目标站地面气温观测资料一段时间序列，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，其中，T为时间。
以下将对南京站(编号为58238)、无锡站(编号为58354)、连云港(编号为58044)、徐州站(编号为58027)2008年6月份地面定时气温观测资料进行实施例分析。
采集目标站时间T内的地面气温观测资料，经过基本的质量控制后为X(t),t＝1,2…,T，将标准差为0.1的100组高斯白噪声随机添加到X(t)中，得到新的时间序列X1(t)，T＝720。
而且，在步骤一中，基本质量控制方法包括格式检查、极值检查、范围检查、内部一致性检查、时间一致性检查。
二、利用经验模态分解方法对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)，其中，i和n均为正整数。
具体地，利用经验模态分解方法(EMD)对X1(t)进行分解，得到有限多个特征单一的本征模分量ci(t)(i＝1,2……,n)和一个残余分量rn(t)(i为第几个本征模分量，n为分量个数)，以无锡站为例，分解结果如图2所示。
三、基于能量密度和相关系数准则计算每个本征模分量的能量密度及其与原始气温序列的相关性，挑选出能量密度高与相关性强的本征模分量。
具体地，在步骤三中，每个本征模分量的能量密度及其与原始气温序列的相关性分别按照公式和进行计算；
其中，ci为第i个本征模分量，第i个本征模分量的均值，y为原始气温序列，为原始气温序列的均值，σi为第i个本征模分量的标准差，σ为原始气温序列的标准差，ρi为第i个本征模分量与原始气温序列的相关性。
四、将挑选出的本征模分量与剩余分量叠加重构为新的气温观测序列X2(t)，并将其作为三次指数平滑法的输入，采用重近轻远策略对各观测值赋予相应的权重，实现气温观测资料的质量控制。
具体地，在步骤四中，采用重近轻远策略为：对距离未来预测值较近的观测值赋予较大的权重，对距离较远的观测值赋予较小的权重。
五、在上述基础上，利用平均绝对误差均方根误差和纳什系数来评价模型性能，，如图3所示；其中，Yobs为随机误差的观测值，Yest为EEMD-CES方法得到的估计值；
六、对比植入随机误差的观测值Yobs与EEMD-CES方法得到的估计值Yest，若其差值满足|Yest-Yobs|≤f·σ则认为数据正确；若不满足，则将其标记为疑误数据，使用估计值对其进行修正完成质量控制；其中，σ为被检站气温序列标准误差；f为质量控制参数。
七、为了分析本方法的检错效果，选择最佳质控参数f下各站的检错率分别与传统的单站质量控制方法、CES和EEMD方法进行对比，如图4所示。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。