【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
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。