(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111570421.4 (22)申请日 2021.12.21 (71)申请人 南京大学 地址 210023 江苏省南京市栖霞区仙林大 道163号 (72)发明人 杨修群　房佳蓓　王昱　王安英　 孙旭光　陶凌峰　张昱培　张志琦　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 孟红梅 (51)Int.Cl. G06Q 10/04(2012.01) G06F 17/18(2006.01) (54)发明名称 基于热带大气次季节振荡信号的旬降水预 测方法和系统 (57)摘要 本发明针对我国现有夏季降水次季节异常 预测能力的不足， 公开了一种基于热带大气次季 节振荡信号的旬降水预测方法和系统。 利用异常 相对倾向方法， 将原始观测数据处理为旬异常相 对倾向数据， 从中提取影 响降水异常的前期热带 次季节振荡信号及主要模态， 并将其作为预测因 子与降水次季节异常相对倾向进行统计 建模， 构 建针对降水旬异常相对倾向的统计预测模型， 将 该模型预测结果与前期降水异常背景相加， 从而 实现对降水次季节异常的定量化预测。 相较于 现 有预测方法， 本发明能够有效提取出影 响降水次 季节异常的热带次季节振荡信号， 构建基于物理 模态的夏季降水旬异常的定量化预测系统， 可有 效提升我国夏季降水次季节预测能力。 权利要求书2页 说明书8页 附图10页 CN 114707687 A 2022.07.05 CN 114707687 A 1.基于热 带大气次季节振荡信号的旬降水 预测方法， 其特 征在于： 包括以下步骤： (1)基于异常相对倾向方法， 将所需要的历史观测数据， 包括表征热带大气次季节振荡 的向外长波辐射OLR和降水， 处 理为旬异常相对倾向及其对应的前期异常背景； (2)通过经验正交分解法EOF从热带OLR旬异常相对倾向中提取热带大气次季节振荡信 号的主要模态及其对应的时间序列； (3)利用多元线性回归， 构建前期大气次季节振荡信号时间序列与夏季降水旬异常相 对倾向关系的物理 统计预测模型； (4)将预测目标旬前期的热带OLR异常相对倾向投影至步骤(2)中提取的主要模态， 得 到实际预测因子并带入步骤(3)中得到的物理统计预测模型， 从而得到夏季降水旬异常相 对倾向的定量预测结果； (5)将步骤(1)中得到的夏季降水前期异常背景与 步骤(4)中预测的夏季降水旬异常相 对倾向相加， 得到夏季降水旬距 平的预测结果。 2.根据权利要求1所述的基于热带大气次季节振荡信号的旬降水预测方法， 其特征在 于： 还包括如下步骤： (6)通过多次循环步骤(2)至步骤(5)， 将前一循环得到的旬距平加入后一循环的异常 背景计算中， 通过多次循环累加得到超前多旬的降水旬距平的预测结果， 从而实现对降水 异常的次季节预测结果。 3.根据权利要求1所述的基于热带大气次季节振荡信号的旬降水预测方法， 其特征在 于： 步骤(1)中的旬异常相对倾向及其对应的前期异常背景的具体 计算方法为： δΔP(t)＝ΔP(t) ‑ΔP(t‑n τ ) 其中P为变量； ΔP(t)为变量旬距平， 定义为变量任意一个旬的平均值相较于对应的多 年气候平均值之差； δΔP(t)为变量旬异常相对倾向； ΔP(t ‑nτ )为变量前期异常背景， 定义 为变量前n旬 旬距平的均值； t为时间维度， τ 为旬尺度时间步长， 1* τ 等于1个旬。 4.根据权利要求1所述的基于热带大气次季节振荡信号的旬降水预测方法， 其特征在 于： 步骤(2)中通过EOF方法， 从热带OL R的旬异常相对倾向数据中提取热带大气次季节振 荡 信号的两个主要模态及其对应的时间序列， 并将该次季节振荡信号作为预测因子， 利多元 线性回归方法构建步骤(3)中所述的物理统计预测模型， 并对夏季降水旬异常相对倾向进 行预测； 其中的物理 统计预测模型为： δΔP(x， t)＝α1(x)TS1(t‑n τ )+α2(x)TS2(t‑n τ )+β 其中δΔP(x， t)为预测变量的旬异常相对倾向， TS1(t‑nτ )和TS2(t‑nτ )为前期热带大气 次季节振荡最主要的两个模态对应的时间序列， α1(x)和α2(x)为两个主要模态对应的多元 回归系数， β 为多元回归模型常数项， x为空间维度， t为时间维度， τ为旬尺度时间步长， 1*τ 等于1个旬。 5.根据权利要求4所述的基于热带大气次季节振荡信号的旬降水预测方法， 其特征在 于： 步骤(4)中将预测目标旬前期观测得到的热带OLR旬 异常相对倾向投影至步骤(2)中得 到的热带大气次季节振荡的两个主要模态上， 得到对目标旬降水异常相对倾向进 行预测的 实际预测因子， 实现对夏季降水旬异常相对倾向的预测。 6.根据权利要求1所述的基于热带大气次季节振荡信号的旬降水预测方法， 其特征在权　利　要　求　书 1/2 页 2 CN 114707687 A 2于： 步骤(5)中实现夏季降水旬 距平预测的方法为， 将步骤(1)中得到的前期降水异常背景 和步骤(4)中得到的降水旬异常相对倾向相加， 即： ΔP(t)＝ΔP(t ‑n τ )+δΔP(t) 其中P为降水， ΔP(t)为降水旬距平， δΔP(t)为降水旬异常相对倾向， ΔP(t ‑nτ )为前 期降水异常背景， t为时间维度， τ 为旬尺度时间步长， 1* τ 等于1个旬。 7.根据权利要求1所述的基于热带大气次季节振荡信号的旬降水预测方法， 其特征在 于： 步骤(6)中实现提前n旬对夏季降水次季节预测的方法： 首先对提前1旬进行预测， 利用提前1旬的OLR旬异常相对倾向与降水旬异常相对倾向 历史观测数据进行建模， 利用对应的预测目标年提前1旬OLR观测数据提取实际预测因子， 并结合提前1旬所对应的异常相对倾向对提前1旬的降水旬距 平进行预测； 然后利用提前2旬数据进行同样的建模， 对提前2旬与提前1旬的旬异常相对倾向进行 预测， 此时的前期异常背景使用上述步骤预测得到的提前1旬预测降水旬距平， 据此， 得到 提前2旬预测的降水旬距 平； 最后不断重复上述步骤进行建模和预测， 并不断引入上一循环预测的降水旬距平， 得 到提前n旬预测的降水旬距 平， 实现提前n旬对夏季降水的次季节预测。 8.基于热 带大气次季节振荡信号的旬降水 预测系统， 其特 征在于： 包括如下模块： 数据预处理模块： 用于基于异常相对倾向方法， 将所需要的历史观测数据， 包括表征热 带大气次季节振荡 的向外长波辐射OLR和降水， 处理为旬异常相对倾向及其对应的前期异 常背景； 预测因子提取模块： 用于通过经验正交分解法EOF从热带OLR旬异常相对倾向中提取热 带大气次季节振荡信号的主 要模态及其对应的时间序列； 统计模型构建模块： 用于利用多元线性回归， 构建前期大气次季节振荡信号时间序列 与降水旬异常相对倾向关系的物理 统计预测模型； 预测模块： 用于将预测目标旬前期的热带OLR异常相对倾向投影至预测因子提取模块 中提取的主要模态， 得到实际预测因子并带入统计模型构建模块中得到的物理统计预测模 型， 从而得到夏季降水旬异常相对倾向的定量预测结果； 预测结果处理模块： 用于将预测模块计算得到的旬异常相对倾向与 数据预处理模块得 到的对应的异常背景相加， 得到夏季降水旬距 平的预测结果。 9.根据权利要求8所述的基于热带大气次季节振荡信号的旬降水预测系统， 其特征在 于， 还包括如下模块 多次超前预测循环模块： 用于根据实 际需求以不同旬作为输出， 多次循环调用预测模 块和预测结果处理模块得到不同旬的降水旬异常相对倾向和旬距平， 将前一循环得到的旬 距平加入后一循环的异常背景计算中， 通过多次循环累加得到超前多旬的夏季降水旬距平 的预测结果。 10.一种计算机系统， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于： 对应计算机程序被加载至处理器后， 实现根据权利要求1至权利要 求7任一项所述的基于热 带大气次季节振荡信号的旬降水 预测方法的所有计算过程。权　利　要　求　书 2/2 页 3 CN 114707687 A 3