建筑气候数据的平稳化处理与缺失数据补充

赵婧 闵鹏 张珊珊 赵舵

（1.中国五洲工程设计集团有限公司 北京 100053 2.中国电力工程顾问集团华北电力设计院有限公司 北京 100120 3.西安建筑科技大学 陕西西安 710055）

为了节能降耗，建筑师们在建筑设计时必须充分考虑当地气候对建筑采暖、通风、防冻和避雨等因素的影响，这必然要将历年来观测的大量气候数据作为研究和设计的依据。然而，气象站点采集的数据往往不完整，需要采用一定的方法进行补充[1]。

本文选取我国476个气象站点近33年的实测气象数据（每天4次或8次定时数据）为研究对象，对数据进行异常剔除、插值补充、平稳化处理，为建筑节能设计提供依据。

1 数据处理模型

1.1 数据采集与异常剔除

世界气象组织规定，分析某一地区的气候特征，一般需要这一地区最少30年的气象数据。本文研究选取我国476个气象站点1981年1月1日～2013年12月31日近33年的气象数据为研究对象。

由于各站点的条件不同，不同时间段要求不同，每一站点采集的数据有每日四次定时数据（0时，6时，12时，18时），还有每日八次定时数据（0时，3时，6时，…，21时）等。

本文采集到的各站点的基础数据有：

X1——干球温度。即离开地面1.5m处的空气温度，取值单位为0.1℃；

X2——露点温度。即大气压力一定，空气含湿量一定的情况下，未饱和空气因冷却而达到饱和状态时的温度，单位取0.1℃；

X3——太阳辐射。即水平面上立体角内所接收到的太阳直射和太阳散射之和，单位为MJ/m2；

由于条件的限制，某些站点创建比较晚，数据较少或缺失量较大（如上海的某些站点），故本文首先去除了部分站点，选取的有效站点共有476个。

对于所选取的站点，常常有个别数据异常或明显超过了正常的取值范围。为了研究结果的可靠，本文剔除了这些异常数据。

1.2 数据补充

对于剔除掉的或缺失的干球温度、露点温度和太阳辐射等数据，本文采用插值方法进行处理。首先对于正常数据根据每日所测的各种数据（如干球温度、露点温度和太阳辐射等）计算出每日的日均值。如果某日的数据缺失，而该日前后两日的数据正常，则采用前后两日的数据作插值；如果前后两日的数据也缺失，则采用前后两相邻年同日的数据作插值。经过这样处理，大部分缺失的数据可以得到有效补充。

经过数据插值，虽然可以获得各站点比较完整的干球温度、露点温度和太阳辐射等数据序列。但作为时间序列，这些数据的随机性较大或含有噪声，不能反映气候条件的本质特征（如图1）。

图1 平稳化前的干球温度

为了消除噪声，我们对这些数据分别进行时间序列分析。

1.3 数据的平稳化处理

利用保时线性滤波器[2]

对所采集到的数据序列进行平稳化处理（本文取S=7），抑制噪声。经过平稳处理后的数据序列可得到明显改善，能反映气候变化的本质特征，同时还能进一步补充插值法没有补全的缺失数据，使数据得到完善（如图2）。

图2 平稳化后的干球温度

2 模型计算与处理

2.1 原始气象数据的读入

由于各站点的条件不同，不同时间段当时的要求不同，每一站点采集的数据有每日四次定时数据（0时，6时，12时，18时），还有每日八次定时数据（0时，3时，6时，…，21时）等。所有气象数据的格式均为文本文件（.txt）。以下以第436号站点（站点编码为58847）为例，其结构如表1所示（其中干球温度和露点温度的单位均为0.1℃），本文采用MATLAB编程方式读入并对其进行加工处理。

2.2 数据剔除与补充

经过对异常数据的剔除，缺失数据的插值补充，我们可获得每个站点每日的日均干球温度、露点温度和太阳辐射（如表1图1）。

表1 插值后某站点的干球温度（单位为0.1℃）

2.3 数据的平稳化处理

为了消除噪声，我们对获得的每个站点日均干球温度、露点温度和太阳辐射用保时线性滤波器（1）进行降噪处理，经过平稳化处理后的时间数据序列可得到明显改善（如表2图2）。

通过上述计算，我们获得了476个气象站点1981年～2013年33年的反映气象本质特征的数据，为进一步研究奠定了基础。

表2 平稳化后某站点的每日的干球温度（单位为0.1℃）

[1]李百战，田胜元．用样条函数构成室外逐时温度的插值方法及其误差估计[J]．重庆建筑工程学院学报，1990，12（2）：24～29．

[2]潘红宇．时间序列分析[M]．北京：对外经济贸易大学出版社，2006.