(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 202211298864.7 (22)申请日 2022.10.24 (71)申请人 中国水利水电科 学研究院 地址 100038 北京市海淀区复兴 路甲一号 (72)发明人 刘媛媛　刘业森　刘方华　王强　 王聪　刘舒　姚建国　任汉承　 (74)专利代理 机构 北京驰纳南熙知识产权代理 有限公司 1 1999 专利代理师 马栋敏 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种降雨空间数据复原和重构的方法 (57)摘要 本发明提供一种降雨空间数据复原和重构 的方法， 包括获取近期短间隔的降雨资料， 还包 括以下步骤： 对近期短间隔的降雨资料进行数字 化和结构化， 从时间维度和空间维度构造暴雨时 空分布动态矩阵； 通过ISOMAP算法对 暴雨时空分 布动态矩阵进行降维； 通过动态聚类方法对降维 后的降雨时空分布特征进行分类； 提取挖掘各类 暴雨精细化时空分布特征； 基于提取精细化特 征， 对历史长历时降雨空间资料进行复原和重 构。 本发明将暴雨过程进行数字化和结构化， 从 时间维度和空间维度构造高维数组， 通过ISOMAP 算法进行降维， 对降维后的降雨时空分布特征进 行分类， 提取挖掘各类暴雨精细化时空分布特 征， 最后基于提取精细化特征， 对历史长历时降 雨空间资料进行复原和重构。 权利要求书3页 说明书11页 附图2页 CN 115358354 A 2022.11.18 CN 115358354 A 1.一种降雨空间数据复原和重构的方法， 包括获取近期短间隔的降雨资料， 其特征在 于， 还包括以下步骤： 步骤1： 对所述近期短间隔的降雨资料进行数字化和结构化处理， 从时间维度和空间维 度构造暴 雨时空分布动态 矩阵； 步骤2： 对所述 暴雨时空分布动态 矩阵进行降维； 步骤3： 对降维后的降雨时空分布特 征进行分类； 步骤4： 提取挖掘各类暴 雨精细化时空分布特 征； 步骤5： 基于提取的精细化时空分布特征， 对历史长历时降雨空间资料进行复原和重 构。 2.如权利要求1所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤1包括 对不同历时的各场次降雨， 构建时间维度和空间维度占比矩阵,用雨量占比的矩阵来描述 某个时段降雨的分布特 征。 3.如权利要求2所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤1还包 括建立降雨过程样本集Ω， 实现多场次降雨的时空动态发展特 征的数学描述， 公式如下 其中， Ω包括 N场暴雨，xj为第j次降雨的占比矩阵， 为j次降雨过程中第 i个雨量站 t 时刻的降雨 量占该时刻所有站降雨 量的百分比， s为雨量站数，m为总时刻数。 4.如权利要求3所述的降雨空间数据复原和重构的方法， 其特征在于， 所述 j次降雨过 程中第i个雨量站t时刻的降雨 量占该时刻所有站降雨 量的百分比的公式为 其中， 为第j次降雨过程中， 第 i雨量站t时刻的降雨 量，i=1,2,3…s，t=1,2,3…m。 5.如权利要求4所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤2包括 以下子步骤： 步骤21： 确定在流形M上的邻域 点， 构造近邻图； 步骤22： 采用计算 最短路径 dG(p,q)的方法近似 估计流形 M 上的测地线距离 dM(p,q)； 步骤23： 将样本向量压缩到 d 维， 并使压缩后的样本向量之间的欧式距离尽可能接近 已求出的最短路径。 6.如权利要求5所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤21包括 设定输入空间 X 的任意两个样本向量 xp与xq的欧式距离为 dE(p,q)， 然后用全部的样 本向量 xk （1≤k≤N） 构造有权图G。 7.如权利要求6所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤22包括权　利　要　求　书 1/3 页 2 CN 115358354 A 2设任意两个样本向量  xp与xq之间的最短距离为 dG(p,q)， 如果xp与xq之间存在连线， 则初始 化dG(p,q) =dE(p,q)， 否则令 dG(p,q)= ∞。 8.如权利要求7所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤22还包 括更新dG(p,q)的数值， 对于 k = 1,2,3,…N ， 令dG(p,q)= min{ dG(p,q),dG(p,k)+ dG(p,k+ 1)} ， 经过多次迭代， 样本向量间最短路径 矩阵DG={dG(p,q)}收敛。 9.如权利要求8所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤23包括 设矩阵τ( DG )的前d个特征值λ1 ≥λ2 ≥λ3 ≥…≥ λd对应的特征向量为  v1,v2,v3,  …,vd  ，λp是第p个特征值， 是λp对应的特征向量的第 m个分量， 则 d维嵌入向量 yi的第p个分量 等于 ,高维空间中各点在低维空间中的嵌入坐标 Y ， 表示为： 。 10.如权利要求9所述的降雨空间数据复原和重构的方法， 其特征在于， 所述步骤3包括 以下子步骤： 步骤31： 分析的样本集为 Φ={Y1，Y2，…，YN}，Y为低维空间中的映射点， M为最大迭代次 数， r为初始划分的子集数， C={C1，C2，…，Cr}为r个子集， 其中， 初始时 ，jj=1,2,… r，r<N； 步 骤 3 2 ： 从 Φ中 随 机 选 取 r个 样 本 ，作 为 初 始 r个 子 集 的 各 中 心 向 量 ； 步骤33： 对于n=1,2, ……N， 计算样本 Yii与每个聚类中心 Zjj={z1，z2，……zr}的距离 ， 如果diijj =min{diijj}，ii=1,2,…N， 则 ， 更新 ， 其 中， ； 步骤34 ： 对于 jj=1 ,2 ,…r ， 对Cj j中的 所有样本点 ， 重新计算中心向量 ； 步骤35： 不断重复迭代， 如果   ，j=1,2,……r， 则重新执行步骤32， 重复迭代 计算， 如果 ， j=1,2,……r， 运算结束； 步骤36： 输出各子集 C={C1，C2，…，Cr}， 属于各子集的样本 以及各子集权　利　要　求　书 2/3 页 3 CN 115358354 A 3