【技術(shù)實現(xiàn)步驟摘要】
本申請涉及大數(shù)據(jù)領(lǐng)域，具體而言，涉及一種氣象數(shù)據(jù)的氣象表征方法和裝置、存儲介質(zhì)及電子裝置。
技術(shù)介紹
1、在碳達(dá)峰碳中和的國家戰(zhàn)略目標(biāo)指引下，在以大數(shù)據(jù)、云計算、人工智能等為代表的新一代信息技術(shù)變革式發(fā)展的背景下，我國能源行業(yè)正在經(jīng)歷一場廣泛而深入的系統(tǒng)性革命。氣象科技正在全球能源轉(zhuǎn)型和我國實現(xiàn)雙碳的過程中發(fā)揮越來越重要的作用，氣象數(shù)據(jù)也已成為新能源產(chǎn)業(yè)高質(zhì)量發(fā)展和推動電力企業(yè)數(shù)字化轉(zhuǎn)型所需的核心生產(chǎn)要素。
2、近年來，隨著高性能算力的快速普及和海量數(shù)據(jù)可得可用性的不斷提高，人工智能技術(shù)快速發(fā)展，為提升氣象預(yù)報、預(yù)測水平提供了新的方法和工具。人工智能已被應(yīng)用于短臨預(yù)報、厄爾尼諾預(yù)測、數(shù)值預(yù)報模式釋用、災(zāi)害天氣識別和預(yù)測等，特別是基于深度學(xué)習(xí)的全球氣象預(yù)報大模型近期在國內(nèi)外得到了較大的關(guān)注和發(fā)展，已成為傳統(tǒng)數(shù)值預(yù)報模式的有力競爭者。
3、然而，盡管人工智能在氣象領(lǐng)域已得到了較多的應(yīng)用和關(guān)注，但是在氣象數(shù)據(jù)的表征學(xué)習(xí)方面的關(guān)注仍比較薄弱。學(xué)習(xí)到更好的氣象數(shù)據(jù)表征有助于神經(jīng)網(wǎng)絡(luò)更好學(xué)習(xí)到氣象數(shù)據(jù)的特征并完成廣泛的下游任務(wù)。
4、針對在氣象預(yù)測方面，對氣象數(shù)據(jù)的表征學(xué)習(xí)不足，導(dǎo)致的氣象預(yù)測精度不足的問題，尚未得到有效方案。
技術(shù)實現(xiàn)思路
1、本申請實施例涉及一種氣象數(shù)據(jù)的氣象表征方法和裝置、存儲介質(zhì)及電子裝置，通過本申請實施例，可以解決在氣象預(yù)測方面，對氣象數(shù)據(jù)的表征學(xué)習(xí)不足，導(dǎo)致的氣象預(yù)測精度不足的問題。
2、根據(jù)本申請實施例的一個實施例，
3、在一個示例性實施例中，通過時間近鄰策略和空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第一正樣本和第一負(fù)樣本，包括：根據(jù)所述時間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第二正樣本和第二負(fù)樣本；以及，根據(jù)所述空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第三正樣本和第三負(fù)樣本；將所述第二正樣本和所述第三正樣本確定為所述第一正樣本，并將所述第二負(fù)樣本和所述第三負(fù)樣本確定為所述第一負(fù)樣本。
4、在一個示例性實施例中，根據(jù)所述時間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第二正樣本和第二負(fù)樣本，包括：確定所述第一原始樣本對應(yīng)的目標(biāo)時刻，并確定所述目標(biāo)時刻對應(yīng)的近鄰時間段，其中，所述近鄰時間段的起始時刻為所述目標(biāo)時刻與目標(biāo)時間段的差值對應(yīng)的時刻，所述近鄰時間段的結(jié)束時刻為所述目標(biāo)時刻與所述目標(biāo)時間段的和值對應(yīng)的時刻；根據(jù)所述近鄰時間段內(nèi)的所述氣象要素對應(yīng)的第二氣象數(shù)據(jù)確定所述第二正樣本；根據(jù)其他時間段內(nèi)的所述氣象要素對應(yīng)的第三氣象數(shù)據(jù)確定所述第二負(fù)樣本，其中，所述其他時間段為除所述近鄰時間段外的時間段。
5、在一個示例性實施例中，根據(jù)所述空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第三正樣本和第三負(fù)樣本，包括：確定所述第一原始樣本對應(yīng)的目標(biāo)經(jīng)度和目標(biāo)緯度，并根據(jù)所述目標(biāo)經(jīng)度和所述目標(biāo)緯度確定所述第一原始樣本對應(yīng)的近鄰空間范圍，其中，所述近鄰空間范圍的最大經(jīng)度為所述目標(biāo)經(jīng)度與第一數(shù)值的和值，所述近鄰空間范圍的最小經(jīng)度為所述目標(biāo)經(jīng)度與所述第一數(shù)值的差值，所述近鄰空間范圍的最大緯度為所述目標(biāo)緯度與第二數(shù)值的和值，所述近鄰空間范圍的最小緯度為所述目標(biāo)緯度與第二數(shù)值的差值；根據(jù)所述近鄰空間范圍內(nèi)的所述氣象要素對應(yīng)的第四氣象數(shù)據(jù)確定所述第三正樣本；根據(jù)其他空間范圍內(nèi)的所述氣象要素對應(yīng)的第五氣象數(shù)據(jù)確定所述第三負(fù)樣本，其中，所述其他空間范圍為除所述近鄰空間范圍外的空間范圍。
6、在一個示例性實施例中，根據(jù)所述近鄰空間范圍內(nèi)的所述氣象要素對應(yīng)的第四氣象數(shù)據(jù)確定所述第三正樣本，包括：根據(jù)所述近鄰空間范圍內(nèi)的所述氣象要素對應(yīng)的第四氣象數(shù)據(jù)確定所述第三正樣本；確定所述第一原始樣本對應(yīng)的目標(biāo)區(qū)域；在所述近鄰空間范圍內(nèi)將所述第一原始樣本依次移動單位經(jīng)度或單位緯度；獲取每次移動所述第一原始樣本后的目標(biāo)區(qū)域內(nèi)的缺失數(shù)據(jù)的目標(biāo)位置；根據(jù)所述第四氣象數(shù)據(jù)對所述目標(biāo)位置的缺失數(shù)據(jù)進行補充；根據(jù)補充缺失數(shù)據(jù)后的目標(biāo)區(qū)域內(nèi)的氣象數(shù)據(jù)確定所述第三正樣本。
7、在一個示例性實施例中，根據(jù)目標(biāo)損失函數(shù)將所述第一原始樣本與所述第一正樣本之間的相似度最大化，得到第一訓(xùn)練結(jié)果，并將所述第一原始樣本與所述第一負(fù)樣本之間的相似度最小化，得到第二訓(xùn)練結(jié)果，包括：將所述第一原始樣本、所述第一正樣本和所述第一負(fù)樣本分別輸入至所述目標(biāo)氣象模型中，以使所述目標(biāo)氣象模型分別輸出所述第一原始樣本對應(yīng)的第一氣象表征結(jié)果、所述第一正樣本對應(yīng)的第二氣象表征結(jié)果和所述第一負(fù)樣本對應(yīng)的第三氣象表征結(jié)果；將所述第一氣象表征結(jié)果、所述第二氣象表征結(jié)果和所述第三氣象表征結(jié)果分別輸入至所述目標(biāo)氣象模型中的多層感知器中，以使所述多層感知器分別對所述第一氣象表征結(jié)果、所述第二氣象表征結(jié)果和所述第三氣象表征結(jié)果進行降維處理，得到所述第一原始樣本對應(yīng)的第二原始樣本、所述第一正樣本對應(yīng)的第四正樣本和所述第一負(fù)樣本對應(yīng)的第四負(fù)樣本；根據(jù)目標(biāo)損失函數(shù)對所述第二原始樣本、所述第四正樣本和所述第四負(fù)樣本進行訓(xùn)練，以將所述第二原始樣本與所述第四正樣本之間的相似度最大化，得到第一訓(xùn)練結(jié)果，并將所述第二原始樣本與所述第四負(fù)樣本之間的相似度最小化，得到第二訓(xùn)練結(jié)果。
8、在一個示例性實施例中，根據(jù)所述第一訓(xùn)練結(jié)果和所述第二訓(xùn)練結(jié)果對目標(biāo)氣象模型進行訓(xùn)練，包括：根據(jù)所述第一訓(xùn)練結(jié)果和所述第二訓(xùn)練結(jié)果確定關(guān)系所述目標(biāo)氣象模型中的每個訓(xùn)練參數(shù)對應(yīng)的權(quán)重，并根據(jù)所述權(quán)重調(diào)整所述每個訓(xùn)練參數(shù)；刪除所述目標(biāo)氣象模型中的多層感知器，以更新所述目標(biāo)氣象模型；根據(jù)調(diào)整后的訓(xùn)練參數(shù)對更新后的目標(biāo)氣象模型進行訓(xùn)練，以得到所述訓(xùn)練后的目標(biāo)氣象模型。
9、根據(jù)本申請實施例的另一個實施例，還提供了一種氣象數(shù)據(jù)的氣象表征裝置，包括：根據(jù)氣象要素的高度層將所述氣象要素對應(yīng)的第一氣象數(shù)據(jù)進行拼接，以生成氣象向量；將所述氣象向量確定為第一原始樣本，并通過時間近鄰策略和空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第一正樣本和第一負(fù)樣本；根據(jù)目標(biāo)損失函數(shù)將所述第一原始樣本與所述第一正樣本之間的相似度最大化，得到第一訓(xùn)練結(jié)果，并將所述第一原始樣本與所述第一負(fù)樣本之間的相似度最小化，得到第二訓(xùn)練結(jié)果；根據(jù)所述第一訓(xùn)練結(jié)果和所述第二訓(xùn)練結(jié)果對目標(biāo)氣象模型進行訓(xùn)練，以使訓(xùn)練后的目標(biāo)氣象模型對目標(biāo)氣象數(shù)據(jù)進行氣象表征。
10、根據(jù)本申請實施例的又一方面，還提供了一種計算機可讀的存儲介質(zhì)，該計算機可讀的存儲介質(zhì)中存儲有計算機程序，其中，該計算機程本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種氣象數(shù)據(jù)的氣象表征方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，通過時間近鄰策略和空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第一正樣本和第一負(fù)樣本，包括：
3.根據(jù)權(quán)利要求2所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)所述時間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第二正樣本和第二負(fù)樣本，包括：
4.根據(jù)權(quán)利要求2所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)所述空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第三正樣本和第三負(fù)樣本，包括：
5.根據(jù)權(quán)利要求4所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)所述近鄰空間范圍內(nèi)的所述氣象要素對應(yīng)的第四氣象數(shù)據(jù)確定所述第三正樣本，包括：
6.根據(jù)權(quán)利要求1所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)目標(biāo)損失函數(shù)將所述第一原始樣本與所述第一正樣本之間的相似度最大化，得到第一訓(xùn)練結(jié)果，并將所述第一原始樣本與所述第一負(fù)樣本之間的相似度最小化，得到第二訓(xùn)練結(jié)果，包括：
7.根據(jù)權(quán)利要求1所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)所述第一訓(xùn)
8.一種氣象數(shù)據(jù)的氣象表征裝置，其特征在于，包括：
9.一種計算機可讀的存儲介質(zhì)，其特征在于，所述計算機可讀的存儲介質(zhì)包括存儲的程序，其中，所述程序運行時執(zhí)行上述權(quán)利要求1至7任一項中所述的方法。
10.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設(shè)置為通過所述計算機程序執(zhí)行所述權(quán)利要求1至7任一項中所述的方法。
...【技術(shù)特征摘要】
1.一種氣象數(shù)據(jù)的氣象表征方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，通過時間近鄰策略和空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第一正樣本和第一負(fù)樣本，包括：
3.根據(jù)權(quán)利要求2所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)所述時間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第二正樣本和第二負(fù)樣本，包括：
4.根據(jù)權(quán)利要求2所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)所述空間近鄰策略構(gòu)建所述第一原始樣本對應(yīng)的第三正樣本和第三負(fù)樣本，包括：
5.根據(jù)權(quán)利要求4所述的氣象數(shù)據(jù)的氣象表征方法，其特征在于，根據(jù)所述近鄰空間范圍內(nèi)的所述氣象要素對應(yīng)的第四氣象數(shù)據(jù)確定所述第三正樣本，包括：
6.根據(jù)權(quán)利要求1所述的氣象數(shù)據(jù)的氣象表征方...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張慧君，溫晗秋子，王蕓靖，葛戈，楊雪，李岳，
申請(專利權(quán))人：中國華能集團清潔能源技術(shù)研究院有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。