气象卫星数据的处理方法及装置制造方法及图纸

本发明专利技术公开了一种气象卫星数据的处理方法及装置。其中，该方法包括：获取地面气象站历史时间段内的第一气象卫星数据；利用第一气象卫星数据训练模型无关元学习MAML模型，得到预定回归模型的初始网络参数，其中，预定回归模型为利用多组训练数据进行机器学习训练得到的；获取全球区域内的第二气象卫星数据；利用初始网络参数以及第二气象卫星数据通过预定回归模型，得到第二气象卫星数据分布的时间序列。本发明专利技术解决了相关技术中通过气象卫星通过搭载的探测器测量气象卫星数据的全球分布方式容易存在时间和空间稀疏性的缺陷，导致无法准确了解全球气象卫星数据分布的技术问题。

Processing method and device of meteorological satellite data

【技术实现步骤摘要】
气象卫星数据的处理方法及装置
本专利技术涉及数据处理方法领域，具体而言，涉及一种气象卫星数据的处理方法及装置。
技术介绍
卫星能在全球范围内探测气象卫星数据的分布然而，由于沿轨道运动，卫星运行一周后才能再次到达相同区域。相同区域内的两次探测间隔的时间较长，无法了解两次探测之间气象卫星数据的变化。此外，一个周期内气象卫星数据仅集中在单条轨道线附近，无法了解全球气象卫星数据的分布。目前的气象卫星数据主要是气象卫星通过搭载的探测器测量气象卫星数据的全球分布。气象卫星所记录的数据是一系列沿轨道分布的时空数据。一次探测后，气象卫星需沿轨道运行一圈才能再次到达相同位置。相同区域的两次探测之间的时间间隔较长，无法获知两次探测之间气象卫星数据的变化过程。领域专家对气象卫星数据进行细粒度分析时遇到了两个挑战：一、现有研究主要通过超级计算机模拟大气物理化学过程：数值天气模型将气象卫星数据作为输入，预测两次探测间隔内气象卫星数据的时间变化；数值天气模型在部分气象卫星数据上取得了成功，然而，对于物理化学变化机制清晰不清晰或存在多种因素影响的气象参数，数值模拟方本文档来自技高网...

【技术保护点】
1.一种气象卫星数据的处理方法，其特征在于，包括：/n获取地面气象站历史时间段内的第一气象卫星数据；/n利用所述第一气象卫星数据训练模型无关元学习MAML模型，得到预定回归模型的初始网络参数，其中，所述预定回归模型为利用多组训练数据进行机器学习训练得到的；/n获取全球区域内的第二气象卫星数据；/n利用所述初始网络参数以及所述第二气象卫星数据通过所述预定回归模型，得到所述第二气象卫星数据分布的时间序列。/n

【技术特征摘要】
1.一种气象卫星数据的处理方法，其特征在于，包括：
获取地面气象站历史时间段内的第一气象卫星数据；
利用所述第一气象卫星数据训练模型无关元学习MAML模型，得到预定回归模型的初始网络参数，其中，所述预定回归模型为利用多组训练数据进行机器学习训练得到的；
获取全球区域内的第二气象卫星数据；
利用所述初始网络参数以及所述第二气象卫星数据通过所述预定回归模型，得到所述第二气象卫星数据分布的时间序列。


2.根据权利要求1所述的方法，其特征在于，获取地面气象站历史时间段内的第一气象卫星数据，包括：
获取与目标任务相似度大于预定阈值的相似任务，其中，所述目标任务为确定预定区域的气象卫星数据变化；
获取所述相似任务的相关气象卫星数据；
将所述相关气象卫星数据确定为所述第一气象卫星数据。


3.根据权利要求2所述的方法，其特征在于，获取所述相似任务的相关气象卫星数据，包括：
向所述全球区域内的多个地面站发送气象卫星数据请求消息，其中，所述气象卫星数据请求消息携带有所述预定区域的区域标识信息；
获取所述多个地面站基于所述气象卫星数据请求消息发送的反馈信息；
基于所述反馈信息确定所述相关气象卫星数据。


4.根据权利要求1所述的方法，其特征在于，利用所述第一气象卫星数据训练模型无关元学习MAML模型，得到预定回归模型的初始网络参数，包括：
基于预定分割单元将所述第一气象卫星数据进行分割，得到与所述预定分割单元对应的表示所述第一气象卫星数据变化的时间序列曲线；
将所述时间序列曲线作为所述MAML模型的输入；
获取所述MAML模型的输出；
基于所述MAML模型的输出得到所述初始网络参数。


5.根据权利要求4所述的方法，其特征在于，在基于预定分割单元将所述第一气象卫星数据进行分割，得到与所述预定分割单元对应的表示所述第一气象卫星数据变化的时间序列曲线之前，还包括：将所述第一气象卫星数据的采集时间进行时间转换；
其中，将所述第一气象卫星数据的采集时间进行时间转换，包括：
确定所述第一气象卫星数据的...

【专利技术属性】
技术研发人员：单桂华，程世宇，
申请(专利权)人：中国科学院计算机网络信息中心，
类型：发明
国别省市：北京;11