enso预测方法、装置及计算机可读存储介质
技术领域
1.本技术涉及自动控制技术领域，具体而言，本技术涉及一种enso预测方法、装置及计算机可读存储介质。
背景技术：2.enso(eloscillation，厄尔尼诺与南方涛动)作为热带太平洋地区最强的海气耦合现象，是短期气候年际变化的最强信号之一，它的发生往往给全球众多地区造成严重自然灾害。enso事件的发生，也将影响我国的天气和气候，对人民生命财产和国民经济建设及国防建设等造成直接或间接的损害。因此，准确预报enso事件的发生时间和强度就具有非常重要的实际意义。
3.在提高enso预报技巧的各种途径中，集合预报技术可以通过增加集合成员来有效提高enso的预报准确性。其中，为了分别减少初始场和模式的不确定性对预报的影响，又分别提出了多初值集合和多模式集合。
4.在现有技术中，集合平均是常用的集合预报产品。对于n个集合成员(fi,i＝1...n)的集合预报系统，传统的集合平均的定义为：
[0005][0006]
在实际业务预报中，常采用动力模式或统计模式进行enso的年际预测，再采用以上传统的多模式集合平均方法得到集合平均结果，作为业务预测。但是，现有的集合平均预报方法，要么对于每个集合成员采用等权重进行集合平均，未考虑集合成员的预报表现，预报效果较差；要么根据每个集合成员的预报表现，如其与观测的相关系数、回归系数等，确定每个集合成员的权重系数，但是该方法易存在过拟合的现象，同样导致其预报效果较差。综上所述，对于现有技术中集合平均预报方案预报效果较差的问题，亟需提供一种新的enso预报方法。
技术实现要素：[0007]
本技术的目的旨在至少能解决上述的技术缺陷之一，本技术实施例所提供的技术方案如下：
[0008]
第一方面，本技术实施例提供了一种enso预测方法，包括：
[0009]
从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数；
[0010]
基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数；
[0011]
基于各集合成员在各预设历史时刻的nino3.4指数和对应的第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平
均结果和观测nino3.4指数，获取第一集合平均结果与观测结果的第二相关系数；
[0012]
剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数；
[0013]
从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。
[0014]
在本技术的一种可选实施例中，从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，包括：
[0015]
将第六次国际耦合模式比较计划cmip6中历史模拟试验和未来预估试验的各模式成员作为集合平均的集合成员，并基于cmip6中预设历史时间段内的海表面温度sst数据，获取各集合成员在预设历史时间段内各预设历史时刻的nino3.4指数；
[0016]
相应地，从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，包括：
[0017]
基于cmip6中预设预测时间段的sst数据，获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数。
[0018]
在本技术的一种可选实施例中，基于预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数，包括：
[0019]
从英国哈德莱中心的hadisst数据中获取给集合成员在预设历史时间段内的sst观测数据，并基于该观测数据，获取各预设历史时刻的观测nino3.4指数。
[0020]
在本技术的一种可选实施例中，基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，通过如下公式得到：
[0021][0022]
其中，cori为第i个集合成员与观测结果之间的第一相关系数，t为预设历史时间段内预设历史时刻的数量，t为预设历史时间段内第t个预设历史时刻，f
it
为第i个集合成员在第t个预设历史时刻的nino3.4指数，为第i个集合成员在预设历史时间段内的各预设历史时刻的nino3.4指数的平均值，obs
t
为第t个预设历史时刻的观测nino3.4指数，为预设历史时间段内各预设历史时刻的观测nino3.4指数的平均值。
[0023]
在本技术的一种可选实施例中，基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数，包括：
[0024]
若任一集合成员与观测结果之间的第一相关系数大于0，则确定该集合成员的第一权重系数为1；
[0025]
若任一集合成员与观测结果之间的第一相关系数小于0，则确定该集合成员的第一权重系数为-1；
[0026]
若任一集合成员与观测结果之间的第一相关系数等于0，则确定该集合成员的第一权重系数为0。
[0027]
在本技术的一种可选实施例中，剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数，包括：
[0028]
从各集合成员中依次选取任一集合成员，并在每次选取到集合成员后，将其第一权重系数设置为0，并获取各预设历史时刻对应的新的第一集合平均结果，并基于各预设历史时刻的新的第一集合平均结果和各预设历史时刻的观测结果，获取对应的新的第二相关系数，若新的第二相关系数变大，则将该集合成员的权重系数设置为0，若新的第二相关系数未变大，则保持该集合成员的权重系数不变，重复执行该步骤直至新的第二相关系数不再提高，则得到各集合成员的第二权重系数。
[0029]
在本技术的一种可选实施例中，基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，通过以下公式获取：
[0030][0031]
其中，en为第二集合平均结果，fi为第i个集合成员，ai为第i个集合成员的第二权重系数，n为正整数。
[0032]
第二方面，本技术实施例提供了一种enso预测装置，其特征在于，包括：
[0033]
nino3.4指数获取模块，用于从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于各集合成员在预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数；
[0034]
第一权重系数获取模块，用于基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数；
[0035]
权重更新模块，用于基于各集合成员在各预设历史时刻的nino3.4指数和对应的第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平均结果和观测nino3.4指数，获取第一集合平均结果与观测结果的第二相关系数；
[0036]
第二权重系数获取模块，用于剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数；
[0037]
预测结果获取模块，用于从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。
[0038]
在本技术的一种可选实施例中，nino3.4指数获取模块具体用于：
[0039]
将第六次国际耦合模式比较计划cmip6中历史模拟试验和未来预估试验的各模式成员作为集合平均的集合成员，并基于cmip6中预设历史时间段内的海表面温度sst数据，获取各集合成员在预设历史时间段内各预设历史时刻的nino3.4指数；
[0040]
相应地，预测结果获取模块具体用于：
[0041]
基于cmip6中预设预测时间段的sst数据，获取各集合成员在预设预测时间段内各
预设预测时刻的nino3.4指数。
[0042]
在本技术的一种可选实施例中，nino3.4指数获取模块进一步用于：
[0043]
从英国哈德莱中心的hadisst数据中获取预设历史时间段内的sst观测数据，并基于预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数。
[0044]
在本技术的一种可选实施例中，基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，通过如下公式得到：
[0045][0046]
其中，cori为第i个集合成员与观测结果之间的第一相关系数，t为预设历史时间段内预设历史时刻的数量，t为预设历史时间段内第t个预设历史时刻，f
it
为第i个集合成员在第t个预设历史时刻的nino3.4指数，为第i个集合成员在预设历史时间段内的各预设历史时刻的nino3.4指数的平均值，obs
t
为第t个预设历史时刻的观测nino3.4指数，为预设历史时间段内各预设历史时刻的观测nino3.4指数的平均值。
[0047]
在本技术的一种可选实施例中，第一权重系数获取模块具体用于：
[0048]
若任一集合成员与观测结果之间的第一相关系数大于0，则确定该集合成员的第一权重系数为1；
[0049]
若任一集合成员与观测结果之间的第一相关系数小于0，则确定该集合成员的第一权重系数为-1；
[0050]
若任一集合成员与观测结果之间的第一相关系数等于0，则确定该集合成员的第一权重系数为0。
[0051]
在本技术的一种可选实施例中，第二权重系数获取模块具体用于：
[0052]
从各集合成员中依次选取任一集合成员，并在每次选取到集合成员后，将其第一权重系数设置为0，并获取各预设历史时刻对应的新的第一集合平均结果，并基于各预设历史时刻的新的第一集合平均结果和各预设历史时刻的观测结果，获取对应的新的第二相关系数，若新的第二相关系数变大，则将该集合成员的权重系数设置为0，若新的第二相关系数未变大，则保持该集合成员的权重系数不变，重复执行该步骤直至新的第二相关系数不再提高，则得到各集合成员的第二权重系数。
[0053]
在本技术的一种可选实施例中，基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，通过以下公式获取：
[0054][0055]
其中，en为第二集合平均结果，fi为第i个集合成员，ai为第i个集合成员的第二权重系数，n为正整数。
[0056]
第三方面，本技术实施例提供了一种电子设备，包括存储器和处理器；
[0057]
存储器中存储有计算机程序；
[0058]
处理器，用于执行计算机程序以实现第一方面实施例或第一方面任一可选实施例中所提供的方法。
[0059]
第四方面，本技术实施例提供了一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现第一方面实施例或第一方面任一可选实施例中所提供的方法。
[0060]
第五方面，本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行时实现第一方面实施例或第一方面任一可选实施例中所提供的方法。
[0061]
本技术提供的技术方案带来的有益效果是：
[0062]
通过预设数据源中的历史时间段的数据，获取各集合成员在各预设历史时刻的nino3.4指数，然后获取各集合成员与观测结果的第一相关性系数，并基于该第一相关性系数确定出对应的第一权重系数，将该第一权重系数作为初始权重系数后，通过剔除各集合成员的形式循环获取各集合成员与观测结果相比的历史回报表现，再根据历史回报表现的好坏进一步更新第一权重系数获取第二权重系数，该方式可以有效地减少权重系数的人为主观性以并能有效地防止过拟合，有效地提高了enso预报的准确性。
附图说明
[0063]
为了更清楚地说明本技术实施例中的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍。
[0064]
图1为本技术实施例提供的一种enso预测方法的流程示意图；
[0065]
图2为本技术实施例的一个示例中确定第二预设权重过程的示意图；
[0066]
图3为本技术实施例的一个示例中进行enso预测的流程示意图；
[0067]
图4为本技术实施例提供的一种一种enso预测装置的结构框图；
[0068]
图5为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0069]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能解释为对本技术的限制。
[0070]
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
[0071]
针对上述问题，本技术实施例提供了一种enso预测方法、装置及计算机可读存储介质。下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术
问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
[0072]
图1为本技术实施例提供的一种enso预测方法的流程示意图，如图1所示，该方法可以包括：
[0073]
步骤s101，从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数。
[0074]
其中，nino3.4指数为表征enso的常用指数，其为nino3.4区区域平均海表面温度距平值，nino3.4区为赤道中东太平洋(170
°
w-120
°
w，5
°
s-5
°
n)范围。
[0075]
具体地，从预设数据源中确定多个用于集合平均的集合成员，然后基于该预设数据源中的数据获取各集合成员在预设历史时间段内各预设历史时刻时的nino3.4指数。同时，基于各预设历史时间段内各预设历史时刻的观测数据，获取各集合成员在预设历史时间段内各预设历史时刻时的观测nino3.4指数。可以理解的是，由于观测nino3.4指数基于观测数据得到，因此可以认为观测nino3.4指数为实际数据，或准确数据。总之，通过该步骤获取了各集合成员在各预设历史时刻的nino3.4指数和对应的观测nino3.4指数。
[0076]
其中，预设数据源可以为第六次国际耦合模式比较计划(cmip6)，将cmip6中历史模拟(1850-2014年)和未来预估(2015-2100年)试验的模式成员的nino3.4指数作为集合成员。那么，预设历史时间段可以为cmip6中历史模拟中的年份段，而预设历史时刻可以为上述年分段中的各年份。观测数据可以为英国哈德莱中心的hadisst数据。
[0077]
步骤s102，基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数。
[0078]
具体地，由于在前一步骤获取每一集合成员在各预设历史时刻的nino3.4指数和对应的观测nino3.4指数，可以根据该集合成员的nino3.4指数和对应的nino3.4指数计算该集合成员与观测nino3.4指数(即实际结果)之间的第一相关系数，用于衡量该集合成员与观测结果之间的相关性。然后根据各集合成员与观测结果之间的相关性，确定出各集合成员在进行集合平均是的第一权重系数。需要说明的是，为了使预报结果更准确，该第一权重系数只是一个初步的权重系数，在后续步骤中需要对该第一权重系数进一步进行更新。
[0079]
步骤s103，基于各集合成员在各预设历史时刻的nino3.4指数和对应的第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平均结果和观测nino3.4指数，获取第一集合平均结果与观测结果的第二相关系数。
[0080]
具体地，在得到各集合成员的第一权重系数后，根据第一权重系数计算每一集合成员在各预设历史时刻的第一集合平均结果。在得到了各集合成员在各预设历史时刻的第一集合平均结果，基于每一集合成员在各预设历史时刻的第一集合平均结果和观测nino3.4指数，计算第一集合平均结果计算与观测结果的第二相关系数。该第二相关系数将被用于作为更新各集合成员的权重系数的重要参考。其中，第二相关系数的计算与第一相关系数的计算原理相同。
[0081]
步骤s104，剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于
新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再变化，得到各集合成员的第二权重系数。
[0082]
具体地，本步骤进行各集合成员的权重系数的更新。具体来说，对于每一集合成员，剔除该集合成员(即将该集合成员的权重系数设置为0)后，再次计算各集合成员在各预设历史时刻的新的第一集合平均结果，并基于各集合成员在各预设历史时刻的新的第一集合平均结果和观测nino3.4指数，计算新的第二相关系数。比较新的第二相关系数和剔除集合成员之前的相关系数，并根据新的第二相关系数的变化情况，确定被剔除的集合成员与观测结果之间的相关性，进而根据该相关性确定是否需要保留该集合成员。依次对各集合成员中的每一集合成员进行上述操作和权重系数更新，进而确定出各集合成员的新的权重系数，即确定出各集合成员的第二权重系数。该过程可以理解为通过预设历史时间段内的数据训练得到各集合成员的准确权重系数(即第二权重系数)的过程，后续则采用该第二权重系数进行集合平均，得到对未来的预报结果。
[0083]
步骤s105，从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。
[0084]
具体地，在通过前述步骤确定了各集合成员以及各集合成员的第二权重系数后，即可进行enso预报。选取要预测的预设预测时间段，然后从预设数据源获取该预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到了该预设预测时间段的enso预测结果。
[0085]
本技术提供的方案，通过预设数据源中的历史时间段的数据，获取各集合成员在各预设历史时刻的nino3.4指数，然后获取各集合成员与观测结果的第一相关性系数，并基于该第一相关性系数确定出对应的第一权重系数，将该第一权重系数作为初始权重系数后，通过剔除各集合成员的形式循环获取各集合成员与观测结果相比的历史回报表现，再根据历史回报表现的好坏进一步更新第一权重系数获取第二权重系数，该方式可以有效地减少权重系数的人为主观性以并能有效地防止过拟合，有效地提高了enso预报的准确性。
[0086]
在本技术的一种可选实施例中，从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，包括：
[0087]
将第六次国际耦合模式比较计划cmip6中历史模拟试验和未来预估试验的各模式成员作为集合平均的集合成员，并基于cmip6中预设历史时间段内的海表面温度sst数据，获取各集合成员在预设历史时间段内各预设历史时刻的nino3.4指数；
[0088]
相应地，从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，包括：
[0089]
基于cmip6中预设预测时间段的sst数据，获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数。
[0090]
具体地，预设数据源为cmip6，各集合成员为cmip6中历史模拟试验和未来预估试验的各模式成员。并基于cmip6中预设历史时间段内的海表面温度sst数据，获取各集合成员在预设历史时间段内各预设历史时刻的nino3.4指数。
[0091]
需要说明的是，使用了cmip6提供的国际上大量数值模式提供的长期积分资料
(1850—2100年)，这就避免了大量数值积分所需要的计算资源。
[0092]
举例来说，选择cmip6中1950-2010年作为训练时段(即预设历史时间段，其中每一年作为预设历史时刻)，2011-2020年作为后报检验时段，2021-2100年作为未来预测时段(即预设预测时间段，其中每一年作为预设预测时刻)。后文也将以此设定为例对本技术方案进行详细说明，但可以理解的是，本技术并不以此设定为限。
[0093]
在本技术的一种可选实施例中，基于各集合成员在预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数，包括：
[0094]
从英国哈德莱中心的hadisst数据中获取给集合成员在预设历史时间段内的sst观测数据，并基于各集合成员在预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数。
[0095]
在本技术的一种可选实施例中，基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，通过如下公式得到：
[0096][0097]
其中，cori为第i个集合成员与观测结果之间的第一相关系数，t为预设历史时间段内预设历史时刻的数量，t为预设历史时间段内第t个预设历史时刻，f
it
为第i个集合成员在第t个预设历史时刻的nino3.4指数，为第i个集合成员在预设历史时间段内的各预设历史时刻的nino3.4指数的平均值，obs
t
为第t个预设历史时刻的观测nino3.4指数，为预设历史时间段内各预设历史时刻的观测nino3.4指数的平均值。
[0098]
具体地，第二相关系数的计算也与第一相关系数的上述公式原理相似，其中只需要将第i个集合成员在第t个预设历史时刻的nino3.4指数，替换为第一t个预设历史时刻的第一集合平均结果，将i个集合成员在预设历史时间段内的各预设历史时刻的nino3.4指数的平均值，替换为各预设历史时刻的第一集合平均结果的平均值。
[0099]
在本技术的一种可选实施例中，基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数，包括：
[0100]
若任一集合成员与观测结果之间的第一相关系数大于0，则确定该集合成员的第一权重系数为1；
[0101]
若任一集合成员与观测结果之间的第一相关系数小于0，则确定该集合成员的第一权重系数为-1；
[0102]
若任一集合成员与观测结果之间的第一相关系数等于0，则确定该集合成员的第一权重系数为0。
[0103]
具体地，一般来说相关系数不会为0，故第一权重系数一般为1或-1。
[0104]
需要说明的是，权重系数是根据该集合成员的预报表现决定的，但是与以往方法不同的是，其权重系数只有1、-1和0。这就既充分考虑了各集合成员的历史回报表现，即与观测相比回报表现差的权重系数为0；又尽量减少权重系数的人为性，对于选中的集合成员，其权重系数定为1或者-1，有效防止过拟合。
[0105]
在本技术的一种可选实施例中，剔除各集合成员中的任一个后获取对应的新的第
二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数，包括：
[0106]
从各集合成员中依次选取任一集合成员，并在每次选取到集合成员后，将其第一权重系数设置为0，并获取各预设历史时刻对应的新的第一集合平均结果，并基于各预设历史时刻的新的第一集合平均结果和各预设历史时刻的观测结果，获取对应的新的第二相关系数，若新的第二相关系数变大，则将该集合成员的权重系数设置为0，若新的第二相关系数未变大，则保持该集合成员的权重系数不变，重复执行该步骤直至新的第二相关系数不再提高，则得到各集合成员的第二权重系数。
[0107]
具体地，如图2所示，上述通过训练得到各集合成员的第二权重系数可以包括以下几个步骤：
[0108]
(1)根据各集合成员与观测结果的第一相关系数，初步确定各集合成员的第一权重系数a
′i，公式如下：
[0109][0110]
(2)根据以下公式计算各预设历史时刻的第一集合平均结果：
[0111][0112]
其中，en
′
为第一集合平均结果，f
′i为第i个集合成员在各预设历史时刻的nino3.4指数，a
′i为第i个集合成员的第一权重系数，n为正整数。
[0113]
(3)求解得到第一集合平均结果en
′
与观测结果之间的第二相关系数cor，该第二相关系数cor的计算过程在前文已说明，与第一相关系数的计算原理相似。
[0114]
(4)开始循环判断，具体来说，对于每个集合成员，若其权重系数不为0，则先保存该权重系数，然后再假设其为0，在计算新的第一集合平均结果en
′
new
。
[0115]
(5)计算得到en
′
new
与观测结果之间的新的第二相关系数cor
new
。
[0116]
(6)若cor
new
大于cor，则说明包含该集合成员之后的集合平均与观测结果之间的相关系数反而更小，所以，将该集合成员的第二权重系数ai设为0，并将cor
new
下次判断的cor；反之，则保留原有的权重系数，即将该集合成员的第一权重系数a
′i作为第二权重系数ai。
[0117]
(7)一直循环步骤(4)至(6)，直到cor不再更新(即cor不再增大)。
[0118]
在本技术的一种可选实施例中，基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，通过以下公式获取：
[0119][0120]
其中，en为第二集合平均结果，fi为第i个集合成员在预设预测时刻的nino3.4指数，ai为第i个集合成员的第二权重系数，n为正整数。
[0121]
下面通过一个示例来对本技术实施例提供的enso预测方法进行进一步说明，该方
案可以包括以下几个步骤：
[0122]
(1)选择cmip6中1950-2010年作为训练时段(即预设历史时间段，其中每一年作为预设历史时刻)，2011-2020年作为后报检验时段，2021-2100年作为未来预测时段(即预设预测时间段，其中每一年作为预设预测时刻)。
[0123]
(2)对于1950-2100年，选择1950-2010年作为训练时段，2011-2020年作为后报检验时段，2021-2100年作为未来预测时段。
[0124]
(3)根据训练时段的数据，计算各集合成员与观测结果第一相关系数，并基于第一相关系数确定各集合成员的第一权重系数。
[0125]
(4)根据前文所述方案不断端迭代训练，计算各集合成员的第二权重系数。
[0126]
(5)基于第二权重系数，预测2021-2100年各年份的第二集合平均结果。
[0127]
图4为本技术实施例提供的一种enso预测装置的结构框图，如图4所示，该装置400可以包括：nino3.4指数获取模块401、第一权重系数获取模块402、权重更新模块403、第二权重系数获取模块404和预测结果获取模块405，其中：
[0128]
nino3.4指数获取模块401用于从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数；
[0129]
第一权重系数获取模块402用于基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数；
[0130]
权重更新模块403用于基于各集合成员在各预设历史时刻的nino3.4指数和对应的第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平均结果和观测nino3.4指数，获取第一集合平均结果与观测结果的第二相关系数；
[0131]
第二权重系数获取模块404用于剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再变化，得到各集合成员的第二权重系数；
[0132]
预测结果获取模块405用于从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。
[0133]
本技术提供的方案，通过预设数据源中的历史时间段的数据，获取各集合成员在各预设历史时刻的nino3.4指数，然后获取各集合成员与观测结果的第一相关性系数，并基于该第一相关性系数确定出对应的第一权重系数，将该第一权重系数作为初始权重系数后，通过剔除各集合成员的形式循环获取各集合成员与观测结果相比的历史回报表现，再根据历史回报表现的好坏进一步更新第一权重系数获取第二权重系数，该方式可以有效地减少权重系数的人为主观性以并能有效地防止过拟合，有效地提高了enso预报的准确性。
[0134]
在本技术的一种可选实施例中，nino3.4指数获取模块具体用于：
[0135]
将第六次国际耦合模式比较计划cmip6中历史模拟试验和未来预估试验的各模式成员作为集合平均的集合成员，并基于cmip6中预设历史时间段内的海表面温度sst数据，获取各集合成员在预设历史时间段内各预设历史时刻的nino3.4指数；
[0136]
相应地，预测结果获取模块具体用于：
[0137]
基于cmip6中预设预测时间段的sst数据，获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数。
[0138]
在本技术的一种可选实施例中，nino3.4指数获取模块进一步用于：
[0139]
从英国哈德莱中心的hadisst数据中获取给集合成员在预设历史时间段内的sst观测数据，获取各预设历史时刻的观测nino3.4指数。
[0140]
在本技术的一种可选实施例中，基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，通过如下公式得到：
[0141][0142]
其中，cori为第i个集合成员与观测结果之间的第一相关系数，t为预设历史时间段内预设历史时刻的数量，t为预设历史时间段内第t个预设历史时刻，f
it
为第i个集合成员在第t个预设历史时刻的nino3.4指数，为第i个集合成员在预设历史时间段内的各预设历史时刻的nino3.4指数的平均值，obs
t
为第t个预设历史时刻的观测nino3.4指数，为预设历史时间段内各预设历史时刻的观测nino3.4指数的平均值。
[0143]
在本技术的一种可选实施例中，第一权重系数获取模块具体用于：
[0144]
若任一集合成员与观测结果之间的第一相关系数大于0，则确定该集合成员的第一权重系数为1；
[0145]
若任一集合成员与观测结果之间的第一相关系数小于0，则确定该集合成员的第一权重系数为-1；
[0146]
若任一集合成员与观测结果之间的第一相关系数等于0，则确定该集合成员的第一权重系数为0。
[0147]
在本技术的一种可选实施例中，第二权重系数获取模块具体用于：
[0148]
从各集合成员中依次选取任一集合成员，并在每次选取到集合成员后，将其第一权重系数设置为0，并获取各预设历史时刻对应的新的第一集合平均结果，并基于各预设历史时刻的新的第一集合平均结果和各预设历史时刻的观测结果，获取对应的新的第二相关系数，若新的第二相关系数变大，则将该集合成员的权重系数设置为0，若新的第二相关系数未变大，则保持该集合成员的权重系数不变，重复执行该步骤直至新的第二相关系数不再变化，则得到各集合成员的第二权重系数。
[0149]
在本技术的一种可选实施例中，基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，通过以下公式获取：
[0150][0151]
其中，en为第二集合平均结果，fi为第i个集合成员，ai为第i个集合成员的第二权重系数，n为正整数。
[0152]
下面参考图5，其示出了适于用来实现本技术实施例的电子设备(例如执行图1所示方法的终端设备或服务器)500的结构示意图。本技术实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴设备等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0153]
电子设备包括：存储器以及处理器，存储器用于存储执行上述各个方法实施例所述方法的程序；处理器被配置为执行存储器中存储的程序。其中，这里的处理器可以称为下文所述的处理装置501，存储器可以包括下文中的只读存储器(rom)502、随机访问存储器(ram)503以及存储装置508中的至少一项，具体如下所示：
[0154]
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0155]
通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0156]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom 502被安装。在该计算机程序被处理装置501执行时，执行本技术实施例的方法中限定的上述功能。
[0157]
需要说明的是，本技术上述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用
于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0158]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0159]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0160]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
[0161]
从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数；基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数；基于各集合成员在各预设历史时刻的nino3.4指数和对应的第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平均结果和观测nino3.4指数，获取第一集合平均结果与观测结果的第二相关系数；剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再变化，得到各集合成员的第二权重系数；从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。
[0162]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0163]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注
意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0164]
描述于本技术实施例中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块或单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一程序切换模块还可以被描述为“切换第一程序的模块”。
[0165]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0166]
在本技术的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0167]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的计算机可读介质被电子设备执行时实现的具体方法，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0168]
本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行时实现如下情况：
[0169]
从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数；基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于第一相关系数确定各集合成员在进行集合平均时的第一权重系数；基于各集合成员在各预设历史时刻的nino3.4指数和对应的第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平均结果和观测nino3.4指数，获取第一集合平均结果与观测结果的第二相关系数；剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再变化，得到各集合成员的第二权重系数；从预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。
[0170]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是
这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0171]
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
技术特征：1.一种enso预测方法，其特征在于，包括：从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于所述预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数；基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于所述第一相关系数确定各集合成员在进行集合平均时的第一权重系数；基于各集合成员在各预设历史时刻的nino3.4指数和对应的所述第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平均结果和观测nino3.4指数，获取第一集合平均结果与所述观测结果的第二相关系数；剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数；从所述预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和所述第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。2.根据权利要求1所述的方法，其特征在于，所述从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，包括：将第六次国际耦合模式比较计划cmip6中历史模拟试验和未来预估试验的各模式成员作为集合平均的集合成员，并基于所述cmip6中预设历史时间段内的海表面温度sst数据，获取各集合成员在所述预设历史时间段内各预设历史时刻的nino3.4指数；相应地，从所述预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，包括：基于所述cmip6中预设预测时间段的sst数据，获取各集合成员在所述预设预测时间段内各预设预测时刻的nino3.4指数。3.根据权利要求2所述的方法，其特征在于，所述基于所述预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数，包括：从英国哈德莱中心的hadisst数据中获取所述预设历史时间段内的sst观测数据，并基于该观测数据，获取各预设历史时刻的观测nino3.4指数。4.根据权利要求1所述的方法，其特征在于，所述基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，通过如下公式得到：其中，cor
i
为第i个集合成员与所述观测结果之间的第一相关系数，t为预设历史时间段内预设历史时刻的数量，t为预设历史时间段内第t个预设历史时刻，f
it
为第i个集合成员在第t个预设历史时刻的nino3.4指数，为第i个集合成员在预设历史时间段内的各预设历史时刻的nino3.4指数的平均值，obs
t
为第t个预设历史时刻的观测nino3.4指数，为预
设历史时间段内各预设历史时刻的观测nino3.4指数的平均值。5.根据权利要求1所述的方法，其特征在于，所述基于所述第一相关系数确定各集合成员在进行集合平均时的第一权重系数，包括：若任一集合成员与所述观测结果之间的第一相关系数大于0，则确定该集合成员的第一权重系数为1；若任一集合成员与所述观测结果之间的第一相关系数小于0，则确定该集合成员的第一权重系数为-1；若任一集合成员与所述观测结果之间的第一相关系数等于0，则确定该集合成员的第一权重系数为0。6.根据权利要求1所述的方法，其特征在于，所述剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数，包括：从各集合成员中依次选取任一集合成员，并在每次选取到集合成员后，将其第一权重系数设置为0，获取各预设历史时刻对应的新的第一集合平均结果，并基于上述各预设历史时刻的新的第一集合平均结果和各预设历史时刻的观测结果，获取对应的新的第二相关系数；若新的第二相关系数变大，则将该集合成员的权重系数设置为0，若新的第二相关系数未变大，则保持该集合成员的权重系数不变，重复执行该步骤直至新的第二相关系数不再提高，则得到各集合成员的第二权重系数。7.根据权利要求1所述的方法，其特征在于，所述基于各集合成员在各预设预测时刻的nino3.4指数和所述第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，通过以下公式获取：其中，en为第二集合平均结果，f
i
为第i个集合成员，a
i
为第i个集合成员的第二权重系数，n为正整数。8.一种enso预测装置，其特征在于，包括：nino3.4指数获取模块，用于从预设数据源获取至少两个集合成员在预设历史时间段内各预设历史时刻的nino3.4指数，基于所述预设历史时间段内观测数据，获取各预设历史时刻的观测nino3.4指数；第一权重系数获取模块，用于基于各集合成员在各预设历史时刻的nino3.4指数和观测nino3.4指数，获取各集合成员与观测结果之间的第一相关系数，并基于所述第一相关系数确定各集合成员在进行集合平均时的第一权重系数；权重更新模块，用于基于各集合成员在各预设历史时刻的nino3.4指数和对应的所述第一权重系数进行集合平均，得到各预设历史时刻的第一集合平均结果，并基于各预设历史时刻的第一集合平均结果和观测nino3.4指数，获取第一集合平均结果与所述观测结果的第二相关系数；第二权重系数获取模块，用于剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至
各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数；预测结果获取模块，用于从所述预设源获取各集合成员在预设预测时间段内各预设预测时刻的nino3.4指数，并基于各集合成员在各预设预测时刻的nino3.4指数和所述第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果，即得到enso预测结果。9.一种电子设备，其特征在于，包括存储器和处理器；所述存储器中存储有计算机程序；所述处理器，用于执行所述计算机程序以实现权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
技术总结本申请提供了一种ENSO预测方法、装置及计算机可读存储介质，包括：从预设数据源获取集合成员的Nino3.4指数和观测Nino3.4指数；基于预设历史时间段的Nino3.4指数和观测Nino3.4指数，获取各集合成员的第一权重系数；基于各集合成员在各预设历史时刻的Nino3.4指数和对应的第一权重系数进行集合平均并求解第二相关系数；剔除各集合成员中的任一个后获取对应的新的第二相关系数，并基于新的第二相关系数的变化，更新各集合成员的权重系数，循环执行该步骤直至各集合成员的新的第二相关系数不再提高，得到各集合成员的第二权重系数；基于各集合成员在各预设预测时刻的Nino3.4指数和第二权重系数，获取各集合成员在各预设预测时刻的第二集合平均结果。该方案提高了ENSO预测的准确性。的准确性。的准确性。
技术研发人员：周倩 王斌 孙超 刘利 张蕴斐 姚佳伟 王晨琦 林晓娟 肖林 王先桥
受保护的技术使用者：清华大学
技术研发日：2022.03.21
技术公布日：2022/7/5
