一种基于深度学习的天气预测方法及系统技术方案

一种基于深度学习的天气预测方法及系统，用以解决现有技术是利用先验知识通过人为数据筛选进行天气预测的问题。该方法包括：S1、保存收集到的历史天气数据及实时天气数据；S2、根据所述天气数据建立逐层深度学习模型并不断修正所述深度学习模型；S3、同步收集到的实时天气数据至所述深度学习模型中；S4、根据导入所述实时天气数据后的所述深度学习模型得到输出结果。采用本发明专利技术，能够将数据存储在不同的数据库中，通过构建不同的深度学习模型得到不同需求的输出结果，并且通过深度学习预测天气能得到预测率较高的模型。

Weather prediction method and system based on depth learning

A weather prediction method and system based on depth learning is used to solve the problem that the prior art uses prior knowledge to filter weather forecast by artificial data. The method includes: S1, preservation of historical weather data collected and real-time weather data; S2, according to the weather data set layer deep learning model and revising the deep learning model; real-time S3, synchronization to collect weather data to the deep learning model; S4, according to the introduction of real time the weather data of the deep learning model to obtain the output results. According to the invention, the data can be stored in different databases, constructed to get different output needs of different models of deep learning, and through deep learning to predict the weather can get a higher rate of forecast model.

【技术实现步骤摘要】
一种基于深度学习的天气预测方法及系统
本专利技术涉及天气预测领域，尤其涉及一种基于深度学习的天气预测方法及系统。
技术介绍
天气预测是我们生活中非常重要的一部分，一个良好的预测系统不仅有利于我们的出行，更会减少由于自然灾害对国家、人民造成的损失。通常，在对天气情况进行预测时，可以根据卫星、雷达等大型设备采集到的天气数据进行预测，还可以根据专业采集人员实地采集到的天气数据进行预测。由卫星、雷达等大型设备采集到的天气数据为宏观范围的天气数据，颗粒度很大，无法准确地采集局部地区的天气数据，且大型设备反馈天气数据较慢，时效性差，无法做到实时地天气预测，同时这种方法还需要大量的初期投入，维护费用很高，耗费了大量人力。而由专业采集人员实地采集信息，耗费了大量人力，且依赖于专业采集人员的专业性，很难实现宏观范围内天气数据的采集，覆盖率低。现有专家系统一般通过应用知识进行逻辑推理，通过计算机编制程序模拟人们分析、解决问题的逻辑思维过程。现有专家系统做的更多的是替代人类的计算、建模过程，此种方法在利用先验知识通过人为数据筛选之后进行预测。公开号为CN102622515A的专利提供了一种天气预测方法，该本文档来自技高网...

【技术保护点】
一种基于深度学习的天气预测方法，其特征在于，包括步骤：S1、保存收集到的历史天气数据及实时天气数据；S2、根据所述天气数据建立逐层深度学习模型并不断修正所述深度学习模型；S3、同步收集到的实时天气数据至所述深度学习模型中；S4、根据导入所述实时天气数据后的所述深度学习模型得到输出结果。

【技术特征摘要】
1.一种基于深度学习的天气预测方法，其特征在于，包括步骤：S1、保存收集到的历史天气数据及实时天气数据；S2、根据所述天气数据建立逐层深度学习模型并不断修正所述深度学习模型；S3、同步收集到的实时天气数据至所述深度学习模型中；S4、根据导入所述实时天气数据后的所述深度学习模型得到输出结果。2.根据权利要求1所述的一种基于深度学习的天气预测方法，其特征在于，所述历史天气数据通过手动导入法保存，所述实时天气数据通过自动导入法保存。3.根据权利要求1所述的一种基于深度学习的天气预测方法，其特征在于，步骤S1中，所述天气数据根据数据时间及数据地点分别存储在不同的数据库中。4.根据权利要求1所述的一种基于深度学习的天气预测方法，其特征在于，步骤S2具体包括：采用降噪自动编码器构建所述深度学习模型；采用支持向量机分类调整修正所述深度学习模型。5.根据权利要求1所述的一种基于深度学习的天气预测方法，其特征在于，步骤S4中，根据数据地域、时间跨度、类型、规模的不同构建出不同的深度学习模型以得到不同需求的输出结果。6.一种基于深度学习的天气预测系统，其特征在于，包括：数据库模块，用于保存收集到的历史天气数据及实...

【专利技术属性】
技术研发人员：廖武，
申请(专利权)人：上海斐讯数据通信技术有限公司，
类型：发明
国别省市：上海,31