一种天气预测的方法及装置制造方法及图纸

本发明专利技术涉及一种天气预测的方法及装置，天气预测的方法包括：获取所关注地区预设的过去时间段内的天气变量；建立所述天气变量的条件均值模型；建立所述天气变量的条件方差模型；选择待预测的未来时间段，根据所述条件均值模型及所述条件方差模型获取所述未来时间段的所述天气变量的概率分布，本发明专利技术通过建模给出未来每个时期天气的完整概率分布，并不依据主观的经验，该天气的概率分布能够准确地预测未来的天气状况，且基于此概率分布，有利于企业对任意天气风险进行评估。

【技术实现步骤摘要】

本专利技术涉及天气预测
，尤其涉及一种天气预测的方法及装置。
技术介绍
目前，天气预测以大气动力学的数值方法为主，以大气动力学的数值方法预测天气只能提供点估计，无法对未来天气进行整体预测。天气在全世界80％的经济活动中扮演着决定性角色，对于很多企业或者经济实体来说，往往需要对天气风险进行评估，而基于点估计的天气预测方法远不足以提供对天气风险进行评估所需的数据。现有技术中提供一些采取了时间序列模型进行天气预测的方法，但这些预测方法在模型搭建的过程中使用的多是个人经验，使得天气预测并不准确。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于天气的收益预测方法及装置。本专利技术解决上述技术问题的技术方案如下：一种天气预测的方法，所述天气预测的方法包括：S1，获取所关注地区预设的过去时间段内的天气变量；S2，建立所述天气变量的条件均值模型；S3，建立所述天气变量的条件方差模型；S4，选择待预测的未来时间段，根据所述条件均值模型及所述条件方差模型获取所述未来时间段的所述天气变量的概率分布。本专利技术的有益效果是：提供一套完整的建模与预测方法，获取过去时间段内的天气变量，然后对过去时本文档来自技高网...

【技术保护点】
一种天气预测的方法，其特征在于，所述天气预测的方法包括：S1，获取所关注地区预设的过去时间段内的天气变量；S2，建立所述天气变量的条件均值模型；S3，建立所述天气变量的条件方差模型；S4，选择待预测的未来时间段，根据所述条件均值模型及所述条件方差模型获取所述未来时间段的所述天气变量的概率分布。

【技术特征摘要】
1.一种天气预测的方法，其特征在于，所述天气预测的方法包括：S1，获取所关注地区预设的过去时间段内的天气变量；S2，建立所述天气变量的条件均值模型；S3，建立所述天气变量的条件方差模型；S4，选择待预测的未来时间段，根据所述条件均值模型及所述条件方差模型获取所述未来时间段的所述天气变量的概率分布。2.根据权利要求1所述天气预测的方法，其特征在于，所述步骤S2包括：S21，对所述天气变量进行差分；S22，获取差分后的天气变量的推广自相关函数，根据所述推广自相关函数选择自回归移动平均模型ARIMA的参数，根据所述参数确定所述自回归移动平均模型ARIMA；S23，对确定后的自回归移动平均模型ARIMA进行重复估计，获取系数显著的自回归移动平均模型ARIMA；S24，对所述系数显著的自回归移动平均模型ARIMA进行Ljung-Box检验，根据检验结果获取自回归项值大于预设阈值的自回归移动平均模型ARIMA；S25，计算所述自回归项值大于预设阈值的自回归移动平均模型ARIMA的赤池信息量准则AIC，选择所述赤池信息量准则AIC最小的自回归移动平均模型ARIMA作为所述条件均值模型。3.根据权利要求1或2所述天气预测的方法，其特征在于，所述步骤S3包括：S31，利用极大似然法分别估计非对称广义自回归条件异方差模型NGARCH的系数与非对称幂自回归条件异方差模型APARCH的系数，根据各自的系数分别确定所述非对称广义自回归条件异方差模型NGARCH与非对称幂自回归条件异方差模型APARCH；S32，对确定的所述非对称广义自回归条件异方差模型NGARCH与非对称幂自回归条件异方差模型APARCH进行回测检验，根据检验结果选择确定的所述非对称广义自回归条件异方差模型NGARCH或非对称幂自回归条件异方差模型APARCH作为所述条件方差模型。4.根据权利要求1或2所述天气预测的方法，其特征在于，所述步骤S4包括：S41，获取所述条件均值模型的残差，对所述残差的平方进行ARCH效应检验；S42，在ARCH效应检验通过时，对所述残差进行Jarque-Bera检验，根据检验结果选择新息的类型；S43，基于所述条件均值模型进行超前预测得到所述待预测的未来时间段的均值，基于所述条件方差模型进行超前预测得到所述待预测的未来时间段的方差；S44，基于所选择的新息的类型、所述均值及所述方差获取所述未来时间段的所述天气变量的概率分布。5.根据权利要求4所述天气预测的方法，其特征在于，所述新息的类型包括高斯新息及学生t新息，所述步骤S44包括：若所选择的新息的类型为高斯新息，则所述未来时间段的所述天气变量的概率分布为所述均值和方差的正态分布：其中，μt为均值，为方差；若所选择的新息的类型为学生t新息，则所述未来时间段的所述天气变量的概率分布为所述均值和方差的有偏学生t分布：其中，为方差，v是学生t分布的自由度，是自由度为v、均值为μt的有偏学生t分布。6.一种天气预测的装置，其特征在于，所述天气预测的...

【专利技术属性】
技术研发人员：解海天，赵起，王振轩，孙铭谦，段思淼，
申请(专利权)人：湖北天明气和网络科技有限公司，
类型：发明
国别省市：湖北;42