一种风速预报方法和系统技术方案

本发明专利技术提供了一种风速预报方法和系统，包括：基于模式背景场与最新的气象要素数据，采用预先构建的全局最优同化方案进行资料同化，得到模式初始状态；基于模式初始状态，采用预先训练的模式参数化方案进行预测，得到风速预报场；针对资料同化和模式参数化方案环节，在传统的基于物理机理和已知规律约束的数值天气预报模式基础上，面向缺乏或没有物理机理约束的情况，本发明专利技术通过采用人工智能算法训练出全局最优同化方案和模式参数化方案，充分发挥人工智能算法的优势，从而显著提升风速预报的准确率。准确率。准确率。

【技术实现步骤摘要】
一种风速预报方法和系统


[0001]本专利技术属于电力气象
，具体涉及一种风速预报方法和系统。

技术介绍

[0002]气象预报的核心是数值天气预报模式（NWP），数值天气预报模式根据实际应用需求和场景，对大气运动基本方程组进行一定的简化和近似，同时引入边界层、积云对流、微物理及辐射等过程，从而实现对需求尺度气象要素的数值模拟和预报。基于数值天气预报模式的气象预报流程包含了资料同化（DA）、模式参数化方案、预报误差校准等环节，当前这些环节完全遵循气象物理机理和相关规律的约束。这同时造成气象预报准确率主要受制于各环节中缺乏或没有物理机理的准确认识，但目前大气科学理论和相关技术的发展无法有效解决该问题。
[0003]资料同化(DA)是提高数值天气预报准确率的有效技术手段之一，其目的是通过将最新的气象观测资料与模式背景场或短期天气预报进行融合，从而提供数值预报模式当前状态的最佳估计（初猜场）。其技术方案是根据当前已知的观测场和数值模式的初始状态，通过对比数值模式初始估计的观测和真实的观测，进而得到模式初始状态的更优估计。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风速预报方法，其特征在于，包括：基于模式背景场与最新的气象要素数据，采用预先构建的全局最优同化方案进行资料同化，得到模式初始状态；基于所述模式初始状态，采用预先训练的模式参数化方案进行预测，得到风速预报场；其中，所述全局最优同化方案是基于气象要素的数值模拟数据与对应数值预报模式的预报场数据，采用人工智能和物理机理相结合的方法构建的；所述模式参数化方案是基于历史气象要素数据对应的模式初始状态和风速预报场，采用人工智能方法训练得到的。2.如权利要求1所述的方法，其特征在于，所述全局最优同化方案的构建，包括：获取气象要素数据在时间和空间范围上的质量和预报精度要求；以符合质量和预报精度要求的气象要素的数值模拟数据为输入，以对应的数值预报模式的预报场数据为输出，对同化时间窗内同化信息衰减及优化的人工智能模型进行优化，得到同化的时间窗配置方案；针对数据同化过程的空间范围，以所述数值模拟数据对应的融合的观测场数据为输入，对应的数值预报模式的预报场数据为输出，对同化区域和同化质量的自适应人工智能模型进行优化，得到同化的空间范围配置方案；基于所述时间窗配置方案和空间范围配置方案，根据人工智能算法的泛化能力，构建气象要素数据与模式背景场的全局最优同化方案。3.如权利要求1所述的方法，其特征在于，所述模式参数化方案的训练，包括：获取影响重点待预报地区风速的模式关键物理过程参数化方案及其敏感参数；针对所述模式关键物理过程参数化方案，基于历史气象要素数据对应的模式初始状态和风速预报场，采用启发式智能优化算法，以风速预报精度作为优化目标，进行所述模式关键物理过程参数化方案的优化；基于已优化的模式关键物理过程参数化方案，针对所述已优化的模式关键物理过程参数化方案中的敏感参数，设计样本集误差反馈的优化目标函数，构建融合模式积分计算和误差指标计算的可嵌套优化目标函数，通过反复多次迭代计算，开展所述已优化的模式关键物理过程参数化方案中的敏感参数优化；以完成敏感参数优化的已优化的模式关键物理过程参数化方案作为模式参数化方案。4.如权利要求1所述的方法，其特征在于，所述得到风速预报场之后，还包括：采用预先训练的风速校准模型对风速预报场进行校准；其中，所述风速校准模型是基于历史时段的数值天气预报风速场及实测风速场，采用物理机理与人工智能相的方法训练得到的。5.如权利要求4所述的方法，其特征在于，所述风速校准模型的训练，包括：基于历史时段的数值天气预报风速场及实测风速场，采用卷积神经网络或图卷积神经网络学习气象预报多网格点要素的空间信息；基于历史时段的数值天气预报风速场及实测风速场，通过循环神经网络或长短时记忆网络学习隐藏在各气象要素在时序上的关联信息；以所述空间信息和时序上的关联信息作为物理机理，并结合历史时段的数值天气预报风速场及实测风速场，对深度学习网络模型的超参数进行优化，得到风速校准模型；其中，所述深度学习网络模型的超参数包括：网络结构和学习率；所述深度学习网络模
型是根据风速预报的应用场景设计的。6.如权利要求5所述的方法，其特征在于，所述采用预先训练的风速校准模型对风速预报场进行校准之后，还包括：以校准后的风速预报场为新的数值天气预报风速场，并结合所述校准后的风速预报场对应的实测风速场对所述风速校准模型进行在线优化更新。7.一种风速预报系统，其特征在于，包括：资料同化模块和风速预报模块，其中：所述资料同化模块，用于基于模式背景场与最新的气象要素数据，采用预先构建的全局最优同化方案进行资料同化，得到模式初始状态；所述风速预报模块...

【专利技术属性】
技术研发人员：冯双磊，王伟胜，王勃，刘纯，靳双龙，刘晓琳，宋宗朋，胡菊，滑申冰，马振强，张艾虎，郭于阳，王铮，车建峰，张菲，姜文玲，赵艳青，王钊，裴岩，汪步惟，李红莉，韩振永，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：