一种基于数值天气预报和人工智能的降水客观预报方法技术

本发明专利技术属于气象预报技术领域，涉及一种基于数值天气预报和人工智能的降水客观预报方法。本发明专利技术基于数值天气预报和人工智能技术进行降水客观预报，可以在数值预报的基础上进一步提高降水预报准确率。通过对2020年4

【技术实现步骤摘要】
一种基于数值天气预报和人工智能的降水客观预报方法


[0001]本专利技术属于气象预报
，涉及一种基于数值天气预报和人工智能的降水客观预报方法。

技术介绍

[0002]当前，随着数值天气预报技术的发展进步，数值模式降水预报准确率不断提高，已成为天气预报的重要基础和技术支撑。但由于观测本身存在误差，数值模式本身也存在误差等，使得各种数值天气预报产品需要继续进行订正和释用，这也是进一步提高降水等客观预报准确率的重要手段。目前，针对数值模式降水预报订正释用的方法较多，如MOS、卡尔曼滤波、多模式集成、OTS、集合预报释用等方法，这些方法均不同程度地提高了数值模式降水预报准确率。但由于降水预报的非线性，传统的统计方法对数值模式降水预报的订正释用效果常常不够理想，甚至有时对数值模式降水预报的订正出现负技巧。近几年，随着人工智能技术的飞速发展，将气象与人工智能技术相结合的研究也逐渐增多。但是由于降水预报的复杂性，使得如何从大量的气象要素和物理量中选取合理的预报因子，建立基于数值天气预报和人工智能的降水客观预报模型，成为提高降水客观预报准确率的关键。

技术实现思路

[0003]本专利技术针对传统的统计方法对数值模式降水预报的订正释用效果常常不够理想，有时对数值模式降水预报的订正出现负技巧，如何将气象与人工智能技术相结合进行降水客观预报等问题，提出一种新型的基于数值天气预报和人工智能技术的降水客观预报方法。
[0004]为了达到上述目的，本专利技术是采用下述的技术方案实现的：一种基于数值天气预报和人工智能的降水客观预报方法，步骤如下：（1）获取多种数值模式的降水预报产品获取(包括从气象CIMISS数据库、大数据云平台、气象数值预报云共享平台、因特网等方式获取数据)研究区域范围内多种数值模式降水预报产品，通过插值技术将这些数值模式降水预报产品插值处理到同样的站点或网格点上；（2）进行数值模式降水预报准确率对比检验对不同数值模式降水预报产品的准确率进行检验。根据关注重点和业务需求，检验内容可包括晴雨预报准确率、不同等级（强度）降水预报准确率、降水预报平均相对误差等。根据检验结果，挑选出预报准确率较高的高时间分辨率的数值模式，选择其历史降水预报数据，建立人工智能训练数据集；（3）进行人工智能降水预报模型训练将数值模式历史降水数据整理成分段降水量（如24h降水、6h降水等）预报，采用全连接神经网络DNN（Deep Neural Network）进行模型训练，将训练样本进行特征变量选取、数据上采样、标准化预处理后作为深度学习输入层的输入量，通过线性变换和非线性激活
函数（ReLU）映射，得到这个节点的输出，并传递给下一层节点的输入，经过多隐含层的矩阵变换，最后以分段降水预报作为模型的输出量，建立基于数值天气预报和人工智能的降水客观预报模型；（4）建立基于数值天气预报和人工智能的降水客观预报业务化系统基于前期训练的人工智能降水预报模型以及数值模式降水预报产品，建立业务化的人工智能降水客观预报系统，实时提供分段降水客观预报产品；（5）分段降水客观预报产品时间降尺度逐站（点）进行分段降水客观预报产品时间降尺度，包括：
①
找出人工智能降水预报模型输出的分段降水量预报RA；
②
找出准确率较高的高时间分辨率的数值模式（以B模式表示）在相应时间段内的累计降水量预报RB及该时段内的降水预报时次数n；
③
按照B模式在该时段内的降水变化趋势逐个时间点i（其中，i=1，
…
，n，n>1）对分段降水客观预报产品RA进行时间降尺度，求出在该时段内所有时间点的降水客观预报值RA
i
，生成更高时间分辨率的降水预报产品。具体公式如下：当RB≠0时，，如果RB=0，则进一步寻找B模式该站（点）周围的临近站（点），如果临近点有降水，则采用该临近点的降水量作为时段降水量RB，进行时间降尺度。否则，扩大范围，继续寻找周围临近站（点）的降水预报。如果B模式整个场没有预报降水，则采用预报准确率较高的其他模式高时间分辨率降水预报产品进行时间降尺度；其中，RA表示降水客观预报产品的分段降水量预报；RA
i
表示降水客观预报产品在相应时段内第i个时间点的降水量预报；RB表示较高时间分辨率的数值模式（B模式）在同时段的分段降水量预报；RB
i
表示较高时间分辨率的数值模式（B模式）在相应时段内第i个时间点的降水量预报；
④
逐站（点）循环，实现分段降水客观预报产品在整个区域范围内的时间降尺度；（6）建立业务化系统，逐日重复上述步骤（4）、（5），实现基于数值天气预报和人工智能的降水客观预报方法业务化。
[0005]作为优选，步骤（1）中所述获取研究区域范围内多种数值模式降水预报产品，其产品时间分辨率通常为逐1h或逐3h（需要说明的是，逐1h或逐3h是目前气象局预报常用的分辨率，但随着技术发展，也可能有其他更高分辨率产品出现，本专利技术对此不做限制，其他分辨率的情况也在本专利技术保护范围内），如中国气象局数值预报中心提供的GRAPES_meso中尺度模式降水预报产品时间分辨率为1h，华东、华北区域中心提供的中尺度数值模式降水预报产品时间分辨率为1h，ECMWF欧洲中心数值预报中心的EC细网格以及中国气象局数值预报中心GRAPES_GFS全球模式降水预报产品时间分辨率为逐3h。
[0006]作为优选，步骤（1）中所述插值技术通常指双线性插值或反距离权重等插值方法。
[0007]作为优选，步骤（2）中所述高时间分辨率通常指1h或小于1h时间分辨率的产品。例如：中国气象局数值预报中心提供的GRAPES_meso中尺度模式降水预报产品时间分辨率为
1h，华东、华北区域中心提供的中尺度数值模式降水预报产品时间分辨率为1h。
[0008]作为优选，步骤（3）中所述分段降水量预报通常时间分辨率较低，比如，有的为24h分段降水预报，有的为3h或6h分段降水量预报（需要说明的是，此处3h或6h只作为优选或举例，但本专利技术对此不做限制，其他分辨率的情况也在本专利技术保护范围内）。
[0009]作为优选，步骤（4）中所述时间降尺度指将时间分辨率较低的降水预报产品处理成时间分辨率较高的预报产品。例如：将时间分辨率为6h的降水量预报产品通过时间降尺度处理成1h时间分辨率的降水预报产品。
[0010]作为优选，步骤（4）中所述降水变化趋势指降水预报值随时间增加或减小的趋势。
[0011]与现有技术相比，本专利技术的优点和积极效果在于：本专利技术基于数值天气预报和人工智能技术进行降水客观预报，可以在数值预报的基础上进一步提高降水预报准确率。通过对2020年4
‑
9月山东省国家级地面观测站24h降水和1h降水预报进行对比检验表明，该方法提供的24h降水晴雨预报评分高于业务上的中尺度数值模式直接预报，1h降水预报相对误差小于数值模式预报，展示出较好的预报优势，具有较高的应用价值。
附图说明
[0012]图1为20本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数值天气预报和人工智能的降水客观预报方法，其特征在于，步骤如下：（1）获取多种数值模式的降水预报产品获取研究范围内多种数值模式降水预报产品，通过插值技术将这些数值模式降水预报产品插值处理到同样的站点或网格点上；（2）进行数值模式降水预报准确率对比检验对不同数值模式降水预报准确率进行检验，根据检验结果挑选出预报准确率高的高时间分辨率的数值模式，选择其历史降水预报数据，建立人工智能训练数据集；（3）进行人工智能降水预报模型训练将数值模式历史降水预报数据整理成分段降水量预报，采用全连接神经网络DNN进行模型训练，将训练样本进行特征变量选取、数据上采样、标准化预处理后作为深度学习输入层的输入量，通过线性变换和非线性激活函数映射，得到这个节点的输出，并传递给下一层节点的输入，经过多隐含层的矩阵变换，最后以分段降水预报作为模型的输出量，建立基于数值天气预报和人工智能的降水客观预报模型；（4）建立基于数值天气预报和人工智能的降水客观预报业务化系统基于前期训练的人工智能降水预报模型以及数值模式降水预报产品，建立业务化的人工智能降水客观预报系统，实时提供分段降水客观预报产品；（5）分段降水客观预报产品时间降尺度逐站点进行分段降水客观预报产品时间降尺度，包括
①
找出人工智能降水预报模型输出的分段降水量预报RA；
②
找出准确率较高的高时间分辨率的数值模式，以B模式表示，在相应时间段内的累计降水量预报RB及该时段内的降水预报时次数n；
③
按照B模式在该时段内的降水变化趋势逐个时间点i，i=1，
…
，n，n>1，对分段降水客观预报产品RA进行时间降尺度，求出在该时段内所有时间点的降水客观预报值RAi，生成更高时间分辨率的降水预报产品，具体公式如下：当RB≠0时，如果RB=0，则进一步寻找B模式该站点周围的临近站点，如果临近点有降水，则采用该临近点的降水量作为时段降水量RB，进行时间降尺度...

【专利技术属性】
技术研发人员：盛春岩，朱文刚，
申请(专利权)人：山东省气象科学研究所山东省海洋气象科学研究所，山东省气象局培训中心，
类型：发明
国别省市：