一种气象温度预测方法技术

本发明专利技术公开了一种气象温度预测方法，包括以下步骤：S1：收集气象数据；S2：从步骤S1收集到的气象数据中选取出有效数据，然后将有效数据组成数据集；S3：将数据集划分为训练集、测试集和验证集；S4：设置神经网络模型的参数；S5：设置输入函数参数；S6：对神经网络模型进行训练；S7：检验神经网络模型是否过拟合：如果是，则返回步骤S5；否则，继续进行步骤S8；S8：利用测试集对已训练的神经网络模型进行评估；S9：输出预测结果：所述预测结果为测试集经过神经网络模型预测后的预测值与实际值间的拟合度。本发明专利技术能够处理大量的气象数据，方法简单。

A forecast method of meteorological temperature

【技术实现步骤摘要】
一种气象温度预测方法
本专利技术涉及深度学习数据处理，特别是涉及一种气象温度预测方法。
技术介绍
作为自然环境的重要组成部分，气候在各个方面影响着人类的生活，小到个人生活，大到农业、经济、军事。在多年的发展历程中，气象数据的分析与计算的方法有以下常见的三种，一是天气学方法，也就是以天气学为基础分析天气，可以利用的资料主要是天气图，其次是气象卫星云图、雷达等；二是统计学方法，即气象统计分析与计算方法——以概率论数理统计为手段作天气预报；三是动力数值方法，即动力气象学分析与数值计算方法——以动力气象学，热力学和解流体力学三门学科为基础，形成预报方程，并利用计算机作为工具，来形成天气预报。其中第一种方法专注于数据的分布特征，然后第二种方法注重于挖掘数据关联性，第三种方法基于前两种方法的结果结合，注重于形成复杂数值模型，该模型可准确预报大气运动状态。关于数值天气预报的分析方法，贝叶斯概率论证用于推导理想化方程，以找到数值天气预测的最佳分析。三种预测天气的方法互相促进、渗透和结合，不断地向前发展。以上这些方法可以配合在一起、综合起来应用，本文档来自技高网...

【技术保护点】
1.一种气象温度预测方法，其特征在于：包括以下步骤：/nS1：收集气象数据；/nS2：从步骤S1收集到的气象数据中选取出有效数据，然后将有效数据组成数据集；/nS3：将数据集划分为训练集、测试集和验证集；/nS4：设置神经网络模型的参数；/nS5：设置输入函数参数；/nS6：对神经网络模型进行训练；/nS7：检验神经网络模型是否过拟合：如果是，则返回步骤S5；否则，继续进行步骤S8；/nS8：利用测试集对已训练的神经网络模型进行评估；/nS9：输出预测结果：所述预测结果为测试集经过神经网络模型预测后的预测值与实际值间的拟合度。/n

【技术特征摘要】
1.一种气象温度预测方法，其特征在于：包括以下步骤：
S1：收集气象数据；
S2：从步骤S1收集到的气象数据中选取出有效数据，然后将有效数据组成数据集；
S3：将数据集划分为训练集、测试集和验证集；
S4：设置神经网络模型的参数；
S5：设置输入函数参数；
S6：对神经网络模型进行训练；
S7：检验神经网络模型是否过拟合：如果是，则返回步骤S5；否则，继续进行步骤S8；
S8：利用测试集对已训练的神经网络模型进行评估；
S9：输出预测结果：所述预测结果为测试集经过神经网络模型预测后的预测值与实际值间的拟合度。


2.根据权利要求1所述的气象温度预测方法，其特征在于：所述步骤S2中，选取有效数据的过程为：对步骤S1收集到的气象数据的质量进行评估，删除不感兴趣的相关属性，添加想要评估的派生特征，统一数据类型，对极端异常值与数据缺失值进行处理。


3.根据权利要求2所述的气象温度预测方法，其特征在于：所述对极端异常值进行处理是利用describe函数生成一个二维表数据结构(DataFrame)，所述二维表包含计数、平均值、标准差、最小值、第25百分位数、第50百分位数、第75百分位数和最大值，如果气象数据小于第25百分位数或者大于第75百分位数，则判定该气象数据为极端...

【专利技术属性】
技术研发人员：马贞立，高艺恬，陈千千，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32