论文学习——基于降雨类型直方图分析的降雨站点相似性研究

写在前面：《水文》；月刊；中文核心期刊
这一篇论文和我之前看的一篇专利是对应的。

专利链接：https://blog.csdn.net/weixin_42521185/article/details/124959089

1 摘要

1. 方法：基于单场降雨类型直方图 分析的降雨站点相似性比较模型
2. 重点是：选择和提取单场降雨特征，然后使用K-mean聚类分析

2 结论

1. 陈晓宏等，在东江流域对降雨时空分布的研究较多，将模式分类引入降雨分析。
2. 本文则从 单场降雨过程 切入，基于降雨数据本身的特性分析，综合降雨时间序列的多个统计特征，利用基于 D-B指数的 K-means 聚类算法，首次建立了基于单场降雨类型直方图分析降雨站点相似性比较模型。

3 引言

1. 降雨序列实质是不连续的时间序列，此前（2012年前）大多研究都是基于单纯日、月或年降雨量累积的宏观统计分析，没有从更细粒度分析单场降雨的统计特征。

2. 若单纯利用年降雨量的累计而不考虑单场降雨的具体情况，则无法区分一年内两个站点降雨类型的差异, 更无法区分降雨时空分布等信息; 若考虑单场降雨, 则可分析更多具有区分度的降雨信息,包括单场降雨和, 单场降雨日均值 ,大于或小于某个临界值的日降雨量, 单场降雨天数等。

3. 目前国内对单场降雨序列的相似性研究基本是空白，但是单场降雨能够包含更多细节性的过程信息，因此基于单场降雨对各种特征量进行统计分析。

4. 通过研究基于单场降雨的降雨序列相似性，继而探索区域降雨的相似性方法。
   

4 实验流程

4.1 特征选择

• 选择9个基于单场降雨的特征统计量
  （1）单场降雨总量
  （2）单场降雨持续天数
  （3）日平均降雨量
  （4）日降雨量最大值
  （5）日降雨量最小值
  （6）日降雨量小于1.27mm

4.2 基于Dacies-Bouldin指数的K-means聚类

• K-means算法存在一定局限性，如聚类数目K需要事先指定。
  

• 基于Davies-Bouldin指数的 K-means聚类算法，可以自动确定最佳聚类个数！！
  
  

4.3 基于单场降雨的降雨类型直方图

• 将基于 Davies-Bouldin 指数的K-means 聚类结果，得到的降雨类型分别看做一个单词，相同类别的单场降雨向量统计在相同的降雨类型袋中，这种新的模型被命名为降雨类型词袋模型。

• 每一个类别好所对应的降雨场次为bin 的频度值，每一个站点对应的各个类别降雨场次的组合构成直方图。
  

4.4 基于降雨类型直方图的相似性度量

• 得到降雨类型直方图后，需要进一步建立降雨站点间的相似性。

• 对所有站点都建立降雨类型直方图。

• 利用 直方图相交的方法 获取两站点之间的相似性。
  

5 实验结果与分析

1. 数据：江苏省的近十年水文数据（2001-2011），选择了北部、中部、南部三个区域的雨量站，分别是7个、6个、8个。 这些站点数据完整，且能代表江苏省 南、北、中 不同区域的降雨特点。

• 按照第四部分的内容，计算模型的相似度。
  
  
  
  

6 结论

1. 不难发现，站点间 地理位置 和 长江流域南北 这两个因素是构成降雨相似性差异的主要原因。【以长江为分水岭，南北区域的降雨有较大差异】