一种多尺度数值天气预报模式融合的天气预报方法及装置制造方法及图纸

本发明专利技术提供一种多尺度数值天气预报模式融合的天气预报方法及装置，该天气预报方法包括：根据大气环流预报数据和对流性天气预报数据，获取多尺度数值天气预报模式融合的目标预报因子；将目标预报因子输入至预先训练的深度学习预报模型，获取天气预报结果。在本发明专利技术中，通过将不同尺度的数值天气预报模式的预报因子相融合，并输入至预先训练好的深度学习预报模型中，以获取预测的天气预报，解决了现有技术中不能同时兼顾不同尺度的天气系统的预报效果的缺陷，实现了对多种尺度数值天气预报模式的融合，有效提升了对不同尺度的天气系统的预报效果。预报效果。预报效果。

【技术实现步骤摘要】
一种多尺度数值天气预报模式融合的天气预报方法及装置


[0001]本专利技术涉及天气预报预测
，尤其涉及一种多尺度数值天气预报模式融合的天气预报方法及装置。

技术介绍

[0002]随着计算机水平的发展和资料同化技术的进步，数值天气预报已成为当前气象部门制作天气预报的核心与基础，具有其他预报方法不可替代的地位和重要作用。与此同时，深度学习由于其强大的特征提取能力，在天气预报领域也获得了较多的应用。
[0003]目前，根据是否使用对流参数化方案直接模拟大气对流过程，数值天气预报的模式可分为全球数值天气预报模式和对流可分辨数值天气预报模式。其中，全球数值天气预报模式主要包括中国国家气象中心的GRPES全球模式、欧洲中期天气预报中心的全球预报模式和美国环境预报中心的GFS模式。一般而言，全球数值天气预报模式中的时空分辨率较粗，时间分辨率一般为1
‑
3小时、空间分辨率为9
‑
50 km，对于全球未来0
‑
10天的短期大尺度天气变化情况能够有良好的预报效果，但对于尺度通常只有千米量级的中小尺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多尺度数值天气预报模式融合的天气预报方法，其特征在于，包括：根据大气环流预报数据和对流性天气预报数据，获取多尺度数值天气预报模式融合的目标预报因子；将所述目标预报因子输入至预先训练的深度学习预报模型，获取天气预报结果。2.根据权利要求1所述的多尺度数值天气预报模式融合的天气预报方法，其特征在于，所述根据大气环流预报数据和对流性天气预报数据，获取多尺度数值模式融合的目标预报因子，包括：通过置换重要性分析方法，在所述大气环流预报数据和所述对流性天气预报数据中选取所述目标预报因子。3.根据权利要求2所述的多尺度数值天气预报模式融合的天气预报方法，其特征在于，所述目标预报因子包括大气环流特征的预报因子和对流性天气预报特征的预报因子；其中，所述大气环流特征的预报因子包括温度、位势高度和比湿；所述对流性天气预报特征的预报因子包括水平风场、垂直速度、温度、相对湿度、云水混合比、雨水混合比、冰水混合比、雪水混合比和霰。4.根据权利要求1所述的多尺度数值天气预报模式融合的天气预报方法，其特征在于，还包括：根据所述目标预报因子，确定训练集和测试集；将所述训练集和测试集分别输入至所述深度学习预报模型进行训练和测试，获取预先训练的所述深度学习预报模型。5.根据权利要求4所述的多尺度数值天气预报模式融合的天气预报方法，其特征在于，所述将所述训练集和测试集分别输入至所述深度学习预报模型进行训练和测试，包括：将所述训练集中的所述目标预报因子输入至所述深度学习预报模型的相应编码器中；将所有所述编码器的输出结果输入至所述深度学习预报模型的同一解码器，获取所述目标预报因子的融合特征；根据所述融合特征，对所述深度学习预报模型进行训练；将所述测试集中的所述目标...

【专利技术属性】
技术研发人员：周康辉，王婷波，
申请(专利权)人：国家气象中心中央气象台，
类型：发明
国别省市：