建筑物地板表面温度预测方法及系统

摘要

本发明涉及一种建筑物地板表面温度预测方法，包括如下步骤：收集近年的空气温度及建筑物地板表面温度的观测值；设计建筑物地板表面温度模型；利用收集的数据，使用协相关和自相关方法，确定建筑物地板表面温度与空气温度的显著协相关因子及建筑物地板表面温度的显著自相关因子并求解多元回归系数；根据上述设计的建筑物地板表面温度模型、建筑物地板表面温度与空气温度的显著协相关因子、建筑物地板表面温度的显著自相关因子以及回归系数，确定统计回归模型，预测建筑物地板表面温度。本发明还涉及一种建筑物地板表面温度预测系统。本发明能够提前预测建筑物地板表面温度，为气象局预报“回南天”天气提供服务指导。

说明书

技术领域

本发明涉及一种建筑物地板表面温度预测方法及系统。

背景技术

“回南天”是华南地区2、3月份出现的特殊天气现象。当华南地 区处于长时间阴冷天气控制之下，建筑物及地面其他物品的温度偏低， 如果南方暖湿气流忽然北上，空气的温度和湿度短时间内明显上升，但 建筑物及其他物体的温度没有及时回暖，低于空气的露点温度，造成空 气中大量水汽凝结在建筑物(或其他物体)表面时形成独特的天气现象， 俗称“回南天”。

回南天出现时，墙壁、家具、衣物、粮食因为潮湿，容易发霉，人 接触和吸入霉菌，易引发呼吸道疾病和过敏症状，如支气管炎、扁桃体 炎、哮喘病及皮肤湿疹等；此外，晾晒的衣服不容易干爽而出现异味， 地面湿滑使老人和小孩容易摔倒。总之，回南天天气给民众生活带来极 大不便。

回南天发生的实质就是当建筑物地板温度低于空气的露点温度时， 空气中的水汽会在建筑地板表面冷凝的现象。因此要预报“回南天”的 发生，就要计算未来空气露点温度与建筑物地板表面温度的值，比较两 者的大小，如果建筑地板温度低于空气露点温度，“回南天”就会发生。 未来空气露点温度可以根据已有天气模型进行预报，空气温度、相对湿 度可以依照经验公式计算，而建筑物地板表面温度至今还没有预报方法。 目前，建筑物地板表面温度通过传统的温度测量设备进行实地测量获取， 无法满足气象预报等需要提前预测的要求。

发明内容

有鉴于此，有必要提供一种建筑物地板表面温度预测方法及系统。

本发明提供一种建筑物地板表面温度预测方法，该方法包括如下步 骤：收集最近几年1-5月份的空气温度及建筑物地板表面温度的观测值； 根据未来地板温度与历史及未来的空气温度和历史地板温度的关系，设 计建筑物地板表面温度模型；利用收集的数据，使用协相关方法，确定 建筑物地板表面温度与空气温度的显著协相关因子；利用收集的数据， 使用自相关方法，确定建筑物地板表面温度的显著自相关因子；利用收 集的数据求解多元回归系数；根据上述设计的建筑物地板表面温度模型、 建筑物地板表面温度与空气温度的显著协相关因子、建筑物地板表面温 度的显著自相关因子以及回归系数，确定统计回归模型，以对建筑物地 板表面温度进行预测。

其中，该方法还包括步骤：对上述确定的回归模型进行检验。

所述设计的建筑物地板表面温度模型为： 其中，T₀为常数项，Tdg_n为要预报的建 筑物地板表面日平均温度，Tdg_n-k为提前k日观测的建筑物地板表面日平 均温度，Tda_n为预报的当日空气平均温度，Tda_n-k为提前k日观测的平均 日气温。

对上述确定的回归模型进行检验的步骤具体包括：依据空气温度过 去的观测值和未来的预报值，以及地板当前和过去温度的观测值，使用 上述确定的回归模型预测建筑物地板表面未来的温度，然后将预测的建 筑物地板表面未来的温度与实际观测值进行比较，以检验预测的准确性。

本发明还提供一种建筑物地板表面温度预测系统，该系统包括收集 模块、模型设计模块、计算模块及模型确定模块，其中：所述收集模块 用于收集最近几年1-5月份的空气温度及建筑物地板表面温度的观测值； 所述模型设计模块用于根据未来地板温度与历史及未来的空气温度和 历史地板温度的关系，设计建筑物地板表面温度模型；所述计算模块用 于利用收集的数据，使用协相关和自相关方法，确定建筑物地板表面温 度与空气温度的显著协相关因子及建筑物地板表面温度的显著自相关 因子并求解多元回归系数；所述模型确定模块用于根据上述设计的建筑 物地板表面温度模型、建筑物地板表面温度与空气温度的显著协相关因 子、建筑物地板表面温度的显著自相关因子以及回归系数，确定统计回 归模型，以对建筑物地板表面温度进行预测。

其中，该系统还包括用于对上述确定的回归模型进行检验的模型检 验模块。

所述设计的建筑物地板表面温度模型为： 其中，T₀为常数项，Tdg_n为要预报的建 筑物地板表面日平均温度，Tdg_n-k为提前k日观测的建筑物地板表面日平 均温度，Tda_n为预报的当日空气平均温度，Tda_n-k为提前k日观测的平均 日气温。

所述的模型检验模块具体用于：依据空气温度过去的观测值和未来 的预报值，以及地板当前和过去温度的观测值，使用上述确定的回归模 型预测建筑物地板表面未来的温度，然后将预测的建筑物地板表面未来 的温度与实际观测值进行比较，以检验预测的准确性。

本发明建筑物地板表面温度预测方法及系统，使用线性统计回归模 型，依据空气温度过去的观测值和未来的预报值，以及建筑物地板表面 当前和历史温度的观测值，提前预测建筑物地板表面温度，为气象局预 报“回南天”天气提供服务指导。

附图说明

图1为本发明建筑物地板表面温度预测方法的流程图；

图2为本发明建筑物地板表面温度预测系统的硬件架构图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细的说明。

参阅图1所示，是本发明建筑物地板表面温度预测方法较佳实施例 的作业流程图。

步骤S401，收集最近几年1-5月份的空气温度及建筑物地板表面温 度的观测值。具体如下：

本实施例首先收集2012年、2013年1-5月份整点小时的空气温度 以及建筑物地板表面温度的观测值。

步骤S402，根据未来地板温度与历史及未来的空气温度和历史地板 温度的关系，设计建筑物地板表面温度模型。

由于建筑物地板表面温度受空气温度和地板表面温度影响，采用如 下线性模型预测建筑物地板表面温度：

${\mathrm{Tdg}}_n=T_0+\underset{k=1}{\overset{K}{\Sigma }}{a}_k{\mathrm{Tdg}}_{n-k}+\underset{k=0}{\overset{L}{\Sigma }}{b}_k{\mathrm{Tda}}_{n-k}---\left(1\right)$

其中，T₀为常数项，Tdg_n为要预报的建筑物地板表面日平均温度， Tdg_n-k为提前k日观测的建筑物地板表面日平均温度，Tda_n为预报的当日 空气平均温度，Tda_n-k为提前k日观测的平均日气温。

为了确定建筑物地板表面温度模型，预报建筑物地板表面温度，还 需计算参数：建筑物地板表面温度的最大自相关时间K、建筑物地板表 面当前温度和空气温度的最大协相关时间L，以及多元线性回归模型参 数a_k、b_k。

步骤S403，利用上述收集的空气温度及建筑物地板表面温度的观测 值，使用协相关方法，计算得到建筑物地板表面温度与空气温度的协相 关关系，确定建筑物地板表面温度与空气温度的显著协相关因子。

建筑物地板表面日平均温度Tdg与空气日平均气温Tda的协相关系 数计算公式为：

$r\left(\tau \right)=\frac{\underset{i=1}{\overset{n-\tau }{\Sigma }}({\mathrm{Tda}}_i-\overline{\mathrm{Tda}})({\mathrm{Tdg}}_{i+\tau }-\overline{\mathrm{Tdg}})}{\sqrt{\underset{i=1}{\overset{n-\tau }{\Sigma }}{({\mathrm{Tda}}_i-\overline{\mathrm{Tda}})}^2\times \underset{i=1}{\overset{n-\tau }{\Sigma }}{({\mathrm{Tdg}}_{i+\tau }-\overline{\mathrm{Tdg}})}^2}}---\left(2\right)$

其中，τ为Tdg滞后Tda的时间，单位为d，n-τ为样本数，为开 始n-τ个Tda样本平均值，为最后n-τ个Tdg样本平均值。自相关系 数也可以通过式(2)，计算变量与变量自己的协相关系数。

采用学生t分布检验随机变量的相关程度，由学生t分布得到临近相 关系数：

$r_{\mathrm{crit}}=\frac{t_{1-\alpha /2,n^{*}}}{\sqrt{t_{1-\alpha /2,n^{*}}^2+n^{*}-2}}---\left(3\right)$

式(3)中，置信区间取95％(α＝0.05)，n^*是两个随机变量之间 的有效自由度，可由如下式获得：

$n^{*}=\frac{n}{\underset{\tau =-\infty }{\overset{\infty }{\Sigma }}[r_{\mathrm{TdaTda}}\left(\tau \right)r_{\mathrm{TdgTdg}}\left(\tau \right)+r_{\mathrm{TdaTdg}}\left(\tau \right)r_{\mathrm{TdgTda}}\left(\tau \right)]}---\left(4\right)$

式(4)中，n是样本数；r_TdaTdg(τ)、r_TdgTda(τ)是时间序列Tda、Tdg的 协相关系数，r_TdaTda(τ)和r_TdgTdg(τ)是Tda、Tdg的自相关系数，均由式(2) 计算得到。考虑天气的特点，计算有效自由度时，取最大滞后时间τ不 大于10d。

具体计算过程为：首先，基于样本数据(空气温度、建筑物地板表 面温度)使用式(4)计算有效自由度n^*(取最大滞后时间τ不大于10d)； 然后，根据计算得到的有效自由度，按置信区间95％查t分布表获得根据式(3)计算临界相关系数r_crit；最后，依据式(2)，τ取0-10d分 别计算协相关系数r(τ)，当|r(τ)|＞r_crit时可确定两个变量显著相关，通过 计算两个变量之间的最大显著相关时间确定滞后时间L。

步骤S404，利用上述收集的空气温度及建筑物地板表面温度的观测 值，使用自相关方法，计算建筑物地板表面温度的自相关关系，确定影 响建筑物地板表面温度的显著自相关因子。

本步骤计算过程类似于步骤S403计算得到建筑物地板表面温度与 空气温度的协相关关系，具体计算过程不再赘述。

步骤S405，利用收集的空气温度及建筑物地板表面温度的观测值， 求解多元回归系数。

步骤S406，根据上述设计的建筑物地板表面温度模型、建筑物地板 表面温度与空气温度的显著协相关因子、建筑物地板表面温度的显著自 相关因子以及回归系数，确定统计回归模型，以对建筑物地板表面温度 进行预测。

具体而言：将建筑物地板表面温度与空气温度的协相关因子、建筑 物地板温度的自相关因子以及回归系数带入建筑物地板表面温度模型， 确定统计回归模型。

步骤S407，对上述确定的回归模型进行检验。具体如下：

依据空气温度过去的观测值和未来的预报值，以及地板当前和过去 温度的观测值，使用上述确定的回归模型预测建筑物地板表面未来的温 度，然后将预测的建筑物地板表面未来的温度与实际观测值进行比较， 以检验预测的准确性。

参阅图2所示，是本发明建筑物地板表面温度预测系统的硬件架构 图。该系统包括收集模块、模型设计模块、计算模块、模型确定模块、 模型检验模块。

所述收集模块用于收集最近几年1-5月份的空气温度及建筑物地板 表面温度的观测值。具体如下：

在本实施例中，所述收集模块收集2012年、2013年1-5月份整点 小时的空气温度以及建筑物地板表面温度的观测值。

所述模型设计模块用于根据未来地板温度与历史及未来的空气温 度和历史地板温度的关系，设计建筑物地板表面温度模型。

由于建筑物地板表面温度受空气温度和地板表面温度影响，所述模 型设计模块采用如下线性模型预测建筑物地板表面温度：

${\mathrm{Tdg}}_n=T_0+\underset{k=1}{\overset{K}{\Sigma }}{a}_k{\mathrm{Tdg}}_{n-k}+\underset{k=0}{\overset{L}{\Sigma }}{b}_k{\mathrm{Tda}}_{n-k}---\left(1\right)$

其中，T₀为常数项，Tdg_n为要预报的建筑物地板表面日平均温度， Tdg_n-k为提前k日观测的建筑物地板表面日平均温度，Tda_n为预报的当日空 气平均温度，Tda_n-k为提前k日观测的平均日气温。

为了确定建筑物地板表面温度模型，预报建筑物地板表面温度，还 需计算参数：建筑物地板表面温度的最大自相关时间K、建筑物地板表 面当前温度和空气温度的最大协相关时间L，以及多元线性回归模型参 数a_k、b_k。

所述计算模块用于利用上述收集的空气温度及建筑物地板表面温 度的观测值，使用协相关方法，计算得到建筑物地板表面温度与空气温 度的协相关关系，确定建筑物地板表面温度与空气温度的显著协相关因 子。

建筑物地板表面日平均温度Tdg与空气日平均气温Tda的协相关系 数计算公式为：

$r\left(\tau \right)=\frac{\underset{i=1}{\overset{n-\tau }{\Sigma }}({\mathrm{Tda}}_i-\overline{\mathrm{Tda}})({\mathrm{Tdg}}_{i+\tau }-\overline{\mathrm{Tdg}})}{\sqrt{\underset{i=1}{\overset{n-\tau }{\Sigma }}{({\mathrm{Tda}}_i-\overline{\mathrm{Tda}})}^2\times \underset{i=1}{\overset{n-\tau }{\Sigma }}{({\mathrm{Tdg}}_{i+\tau }-\overline{\mathrm{Tdg}})}^2}}---\left(2\right)$

其中，τ为Tdg滞后Tda的时间，单位为d，n-τ为样本数，为开 始n-τ个Tda样本平均值，为最后n-τ个Tdg样本平均值。自相关系数 也可以通过式(2)，计算变量与变量自己的协相关系数。

采用学生t分布检验随机变量的相关程度，由学生t分布得到临近相 关系数：

$r_{\mathrm{crit}}=\frac{t_{1-\alpha /2,n^{*}}}{\sqrt{t_{1-\alpha /2,n^{*}}^2+n^{*}-2}}---\left(3\right)$

式(3)中，置信区间取95％(α＝0.05)，n^*是两个随机变量之间的 有效自由度，可由如下式获得：

$n^{*}=\frac{n}{\underset{\tau =-\infty }{\overset{\infty }{\Sigma }}[r_{\mathrm{TdaTda}}\left(\tau \right)r_{\mathrm{TdgTdg}}\left(\tau \right)+r_{\mathrm{TdaTdg}}\left(\tau \right)r_{\mathrm{TdgTda}}\left(\tau \right)]}---\left(4\right)$

式(4)中，n是样本数；r_TdaTdg(τ)、r_TdgTda(τ)是时间序列Tda、Tdg的 协相关系数，r_TdaTda(τ)和r_TdgTdg(τ)是Tda、Tdg的自相关系数，均由式(2) 计算得到。考虑天气的特点，计算有效自由度时，取最大滞后时间τ不 大于10d。

具体计算过程为：首先，基于样本数据(空气温度、建筑物地板表 面温度)使用式(4)计算有效自由度n^*(取最大滞后时间τ不大于10d)； 然后，根据计算得到的有效自由度，按置信区间95％查t分布表获得根据式(3)计算临界相关系数r_crit；最后，依据式(2)，τ取0-10d分 别计算协相关系数r(τ)，当|r(τ)|＞r_crit时可确定两个变量显著相关，通过 计算两个变量之间的最大显著相关时间确定滞后时间L。

所述计算模块还用于利用上述收集的空气温度及建筑物地板表面 温度的观测值，使用自相关方法，计算建筑物地板表面温度的自相关关 系，确定影响建筑物地板表面温度的显著自相关因子。

所述影响建筑物地板表面温度的显著自相关因子计算过程与所述 影响建筑物地板表面温度的显著协相关因子类似，具体计算过程不再赘 述。

所述计算模块还用于利用收集的空气温度及建筑物地板表面温度 的观测值，求解多元回归系数。

所述模型确定模块用于根据上述设计的建筑物地板表面温度模型、 建筑物地板表面温度与空气温度的显著协相关因子、建筑物地板表面温 度的显著自相关因子以及回归系数，确定统计回归模型，以对建筑物地 板表面温度进行预测。

具体而言：将建筑物地板表面温度与空气温度的协相关因子、建筑 物地板温度的自相关因子以及回归系数带入建筑物地板表面温度模型， 确定统计回归模型。

所述模型检验模块用于对上述确定的回归模型进行检验。具体如下：

所述模型检验模块依据空气温度过去的观测值和未来的预报值，以 及地板当前和过去温度的观测值，使用上述确定的回归模型预测建筑物 地板表面未来的温度，然后将预测的建筑物地板表面未来的温度与实际 观测值进行比较，以检验预测的准确性。

虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术 人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本 发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修 饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。