【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及天氣預(yù)報，尤其是涉及一種多數(shù)值天氣預(yù)報模式智能集成方法。
技術(shù)介紹
1、隨著數(shù)值天氣預(yù)報產(chǎn)品不斷豐富并逐漸發(fā)展成熟，不同數(shù)值天氣預(yù)報模式具有不同的優(yōu)勢和不足，集成多個數(shù)值天氣預(yù)報模式進(jìn)行天氣預(yù)報的方式相比于采用單一數(shù)值天氣預(yù)報模式進(jìn)行天氣預(yù)報的方式具有更高的預(yù)報精度。
2、傳統(tǒng)的多數(shù)值天氣預(yù)報模式集成方法主要包括蒙特卡洛預(yù)報法和多元回歸法，蒙特卡洛預(yù)報法是通過對初值的誤差分布范圍進(jìn)行估算，進(jìn)而得到一個初值的集合，再由此得到集合預(yù)報值；多元回歸方法包括集合平均法和機(jī)器學(xué)習(xí)算法，集合平均法是對所有參與多數(shù)值天氣預(yù)報模式集成的數(shù)值天氣預(yù)報模式的預(yù)報結(jié)果進(jìn)行加權(quán)平均，機(jī)器學(xué)習(xí)方法主要是利用決策樹模型對多個數(shù)值天氣預(yù)報模式的預(yù)報結(jié)果進(jìn)行非線性回歸。
3、然而，傳統(tǒng)的蒙特卡洛預(yù)報法計算復(fù)雜度高，需要大量的計算資源并且耗時較長，模擬得到的誤差是概率誤差，預(yù)報結(jié)果仍然具有不確定性；集合平均法過于簡單，并不能有效地發(fā)揮不同數(shù)值天氣預(yù)報模式的優(yōu)勢，具有一定的局限性；機(jī)器學(xué)習(xí)方法對訓(xùn)練數(shù)據(jù)非常敏感，容易受到噪聲的影響導(dǎo)致過擬合，且難以捕捉數(shù)值天氣預(yù)報模式數(shù)據(jù)隨時間的演變特征，可解釋性較差。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本專利技術(shù)的目的在于提供一種多數(shù)值天氣預(yù)報模式智能集成方法，以緩解相關(guān)技術(shù)中存在的上述問題。
2、本專利技術(shù)實(shí)施例提供了一種多數(shù)值天氣預(yù)報模式智能集成方法，包括：獲取預(yù)設(shè)時段內(nèi)多個目標(biāo)觀測點(diǎn)位的觀測數(shù)據(jù)以及預(yù)設(shè)時段內(nèi)目標(biāo)預(yù)報點(diǎn)位對應(yīng)于多個數(shù)
3、本專利技術(shù)實(shí)施例提供的一種多數(shù)值天氣預(yù)報模式智能集成方法，先獲取預(yù)設(shè)時段內(nèi)多個目標(biāo)觀測點(diǎn)位的觀測數(shù)據(jù)以及預(yù)設(shè)時段內(nèi)目標(biāo)預(yù)報點(diǎn)位對應(yīng)于多個數(shù)值天氣預(yù)報模式的模式預(yù)報數(shù)據(jù)，再將同一目標(biāo)預(yù)報點(diǎn)位的模式預(yù)報數(shù)據(jù)與該同一目標(biāo)預(yù)報點(diǎn)位所對應(yīng)目標(biāo)觀測點(diǎn)位的觀測數(shù)據(jù)進(jìn)行匹配以得到時間分辨率相同的時序數(shù)據(jù)，之后從時序數(shù)據(jù)中提取出多個氣象要素的時間序列并基于時間序列進(jìn)行氣象要素相關(guān)性分析，之后基于氣象要素相關(guān)性分析結(jié)果確定目標(biāo)氣象要素并基于目標(biāo)氣象要素的時間序列構(gòu)建風(fēng)光樣本集，之后基于風(fēng)光樣本集以及每個目標(biāo)觀測點(diǎn)位和每個目標(biāo)預(yù)報點(diǎn)位各自的位置信息訓(xùn)練預(yù)先建立的神經(jīng)網(wǎng)絡(luò)模型，并在訓(xùn)練過程中調(diào)整神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，得到智能多模式集成模型。采用上述技術(shù)，可利用多個目標(biāo)觀測點(diǎn)位的觀測數(shù)據(jù)和位置信息以及目標(biāo)預(yù)報點(diǎn)位的多數(shù)值天氣預(yù)報模式數(shù)據(jù)和位置信息訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，以便通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對實(shí)時得到的多數(shù)值天氣預(yù)報模式數(shù)據(jù)進(jìn)行融合，從而實(shí)現(xiàn)多數(shù)值天氣預(yù)報模式的智能集成，相比于傳統(tǒng)多數(shù)值天氣預(yù)報模式集成方法提高了多數(shù)值天氣預(yù)報模式集成的效率和準(zhǔn)確性。
4、本專利技術(shù)的其他特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本專利技術(shù)而了解。本專利技術(shù)的目的和其他優(yōu)點(diǎn)在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。
5、為使本專利技術(shù)的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述主干網(wǎng)絡(luò)包括依次連接的一個第一殘差塊、三個第二殘差塊和一個第一處理塊；所述第一殘差塊包括依次連接的第一卷積層、第一批量標(biāo)準(zhǔn)化層、第一激活層、第一隨機(jī)失活層和第二卷積層以及第一池化層，所述第一卷積層的輸入端與所述第一池化層的輸入端連接，所述第二卷積層的輸出端與所述第一池化層的輸出端連接；所述第二殘差塊包括依次連接的第二批量標(biāo)準(zhǔn)化層、第二激活層、第二隨機(jī)失活層、第三卷積層、第三批量標(biāo)準(zhǔn)化層、第三激活層、第三隨機(jī)失活層和第四卷積層以及第二池化層，所述第二批量標(biāo)準(zhǔn)化層的輸入端與所述第二池化層的輸入端連接，所述第四卷積層的輸出端與所述第二池化層的輸出端連接；所述第一處理塊包括依次連接的第四批量標(biāo)準(zhǔn)化層和第四激活層；
3.根據(jù)權(quán)利要求2所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述風(fēng)光樣本集包括輻射樣本集和風(fēng)速樣本集，所述目標(biāo)氣象要素包括與輻射相關(guān)的第一目標(biāo)氣象要素以及與風(fēng)速相關(guān)的第二目標(biāo)氣象要素；基于目標(biāo)氣象要素的時間序列構(gòu)建風(fēng)
4.根據(jù)權(quán)利要求3所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，基于所述第一目標(biāo)氣象要素的第一時間序列和第二時間序列構(gòu)建所述輻射樣本集，包括：
5.根據(jù)權(quán)利要求4所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，基于所述第二目標(biāo)氣象要素的第一時間序列和第二時間序列構(gòu)建所述風(fēng)速樣本集，包括：
6.根據(jù)權(quán)利要求5所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述氣象要素相關(guān)性分析結(jié)果包括每個數(shù)值天氣預(yù)報模式下每個氣象要素的第一時間序列各自與其所對應(yīng)第二時間序列之間的第一相關(guān)系數(shù)；基于氣象要素相關(guān)性分析結(jié)果確定目標(biāo)氣象要素，包括：
7.根據(jù)權(quán)利要求6所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述第一時間序列包括相應(yīng)數(shù)值天氣預(yù)報模式下相應(yīng)氣象要素在預(yù)設(shè)時段內(nèi)各目標(biāo)時刻的模式預(yù)報值，所述第二時間序列包括相應(yīng)氣象要素在預(yù)設(shè)時段內(nèi)各目標(biāo)時刻的觀測值；基于所述時間序列進(jìn)行氣象要素相關(guān)性分析，包括：
8.根據(jù)權(quán)利要求1所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述觀測數(shù)據(jù)的時間分辨率為預(yù)設(shè)時長；將同一目標(biāo)預(yù)報點(diǎn)位的模式預(yù)報數(shù)據(jù)與該同一目標(biāo)預(yù)報點(diǎn)位所對應(yīng)目標(biāo)觀測點(diǎn)位的觀測數(shù)據(jù)進(jìn)行匹配，得到時間分辨率相同的時序數(shù)據(jù)，包括：
9.根據(jù)權(quán)利要求7所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述智能多模式集成模型包括輻射模型和風(fēng)速模型；基于所述風(fēng)光樣本集以及每個目標(biāo)觀測點(diǎn)位和每個目標(biāo)預(yù)報點(diǎn)位各自的位置信息，訓(xùn)練預(yù)先建立的神經(jīng)網(wǎng)絡(luò)模型并在訓(xùn)練過程中調(diào)整所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，得到智能多模式集成模型，包括：
10.根據(jù)權(quán)利要求9所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述輻射模型的損失函數(shù)為所述輻射模型的輸出結(jié)果與其所對應(yīng)觀測值之間的均方根誤差；
...【技術(shù)特征摘要】
1.一種多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述主干網(wǎng)絡(luò)包括依次連接的一個第一殘差塊、三個第二殘差塊和一個第一處理塊；所述第一殘差塊包括依次連接的第一卷積層、第一批量標(biāo)準(zhǔn)化層、第一激活層、第一隨機(jī)失活層和第二卷積層以及第一池化層，所述第一卷積層的輸入端與所述第一池化層的輸入端連接，所述第二卷積層的輸出端與所述第一池化層的輸出端連接；所述第二殘差塊包括依次連接的第二批量標(biāo)準(zhǔn)化層、第二激活層、第二隨機(jī)失活層、第三卷積層、第三批量標(biāo)準(zhǔn)化層、第三激活層、第三隨機(jī)失活層和第四卷積層以及第二池化層，所述第二批量標(biāo)準(zhǔn)化層的輸入端與所述第二池化層的輸入端連接，所述第四卷積層的輸出端與所述第二池化層的輸出端連接；所述第一處理塊包括依次連接的第四批量標(biāo)準(zhǔn)化層和第四激活層；
3.根據(jù)權(quán)利要求2所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，所述風(fēng)光樣本集包括輻射樣本集和風(fēng)速樣本集，所述目標(biāo)氣象要素包括與輻射相關(guān)的第一目標(biāo)氣象要素以及與風(fēng)速相關(guān)的第二目標(biāo)氣象要素；基于目標(biāo)氣象要素的時間序列構(gòu)建風(fēng)光樣本集，包括：
4.根據(jù)權(quán)利要求3所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，基于所述第一目標(biāo)氣象要素的第一時間序列和第二時間序列構(gòu)建所述輻射樣本集，包括：
5.根據(jù)權(quán)利要求4所述的多數(shù)值天氣預(yù)報模式智能集成方法，其特征在于，基于所述第二目標(biāo)氣象要素的第一時間序...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：袁彬，申彥波，莫景越，姚錦烽，王丹妮，賈蓓西，
申請(專利權(quán))人：中國氣象局公共氣象服務(wù)中心國家預(yù)警信息發(fā)布中心，
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。