基于深度学习的航空气象数据的降尺度处理方法及系统技术方案

本发明专利技术提出了一种基于深度学习的航空气象数据的降尺度处理方法及系统，包括：获取待监测区域的历史降水信息；基于全球气候模式对待监测区域的气象信息进行降尺度处理；确定历史降水等级；确定预测降水数据中的预测降水时段和预测降水量，将预测降水时段与历史降水时段进行比对，以确定预测降水时段的预测降水等级；根据确定的预测降水等级输出提示信息。通过将机场区域范围内的历史降水信息和预测降水信息进行融合处理，能够参考历史降水数据对预测降水信息进行调整和修正，获取客观和准确的预测降水等级，以便于根据预测降水等级进行机场区域的降水预警和提示，不仅能够有效地获取机场区域的预测降水信息，还能够及时有效的进行降水预警提示。进行降水预警提示。进行降水预警提示。

【技术实现步骤摘要】
基于深度学习的航空气象数据的降尺度处理方法及系统


[0001]本专利技术涉及气象数据处理
，具体而言，涉及一种基于深度学习的航空气象数据的降尺度处理方法及系统。

技术介绍

[0002]目前，在航空气象领域对于强对流天气的预报主要依靠预报员的主观判断，还没有行之有效的客观预报方法和工具。在业务中运用较多的是短时临近预报，主要采用线形外推方法，即基于多普勒雷达回波特征，结合地面加密观测（降水和风场）、卫星云图、闪电定位信息和强对流实况等，以预报员主观分析预报为主，对卫星云图、雷达回波强度加以判断和外推预报。
[0003]现有技术中，在针对降水情况的预警及提示时，缺少有效的预警及提示方法。由于降水天气会影响机场的飞机起降，极易造成安全事故发生，因此，如何及时的进行机场所处区域的降水预警及提示，成为急需解决的技术问题。

技术实现思路

[0004]鉴于此，本专利技术提出了一种基于深度学习的航空气象数据的降尺度处理方法及系统，旨在解决如何对机场区域进行降水预警和提示的问题。
[0005]一个方面，本专利技术提出了一种基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的航空气象数据的降尺度处理方法，其特征在于，包括：确定一待监测区域，基于航空气象数据获取所述待监测区域的历史降水信息；基于全球气候模式对所述待监测区域的气象信息进行降尺度处理，获取所述待监测区域降尺度后的预测降水数据；通过分类模型对所述历史降水信息进行分类后确定历史降水等级，以及根据分类结果确定历史降水时段和历史降水量信息；确定所述预测降水数据中的预测降水时段和预测降水量，将所述预测降水时段与所述历史降水时段进行比对，以确定所述预测降水时段的预测降水等级；根据确定的所述预测降水等级输出提示信息。2.根据权利要求1所述的基于深度学习的航空气象数据的降尺度处理方法，其特征在于，在确定所述预测降水数据中的预测降水时段和预测降水量，将所述预测降水时段与所述历史降水时段进行比对，以确定所述预测降水时段的预测降水等级时，包括：当所述预测降水时段与所述历史降水时段不一致时，则根据所述预测降水量确定所述预测降水等级；当所述预测降水时段与所述历史降水时段一致时，则获取与所述预测降水时段处于同一时段内的所有的历史降水量信息，并将获取的所有历史降水量信息按照时间顺序进行排序后，获取历史最大降水值，再将所述历史最大降水值与所述预测降水量进行比对，根据比对结果确定预测降水等级。3.根据权利要求2所述的基于深度学习的航空气象数据的降尺度处理方法，其特征在于，在所述预测降水时段与所述历史降水时段一致，将所述历史最大降水值与所述预测降水量进行比对，根据比对结果确定所述预测降水等级时，包括：将所述历史最大降水值与所述预测降水量进行比对：若所述历史最大降水值小于等于所述预测降水量，则根据所述预测降水量确定所述预测降水等级；若所述历史最大降水值大于所述预测降水量，则获取所述历史最大降水值的降水时间与预测降水时间之间的时间间隔，当时间间隔大于间隔阈值时，则根据所述历史最大降水值与预测降水值之间的平均降水值确定预测降水等级，当时间间隔小于等于间隔阈值时，则根据所述预测降水量确定预测降水等级。4.根据权利要求3所述的基于深度学习的航空气象数据的降尺度处理方法，其特征在于，在通过分类模型对所述历史降水信息进行分类后确定所述历史降水等级时，包括：预先设定第一预设降水等级D1、第二预设降水等级D2、第三预设降水等级D3、第四预设降水等级D4和第五预设降水等级D5，D1＞D2＞D3＞D4＞D5；预先设定第一预设历史降水量L1、第二预设历史降水量L2、第三预设历史降水量L3和第四预设历史降水量L4，且L1＞L2＞L3＞L4；根据所述历史降水信息中的历史降水量L0与各预设历史降水量之间的关系设定历史降水等级：当L0≥L1时，则将所述历史降水信息所对应的历史降水等级设定为第一预设降水等级D1；当L1＞L0≥L2时，则将所述历史降水信息所对应的历史降水等级设定为第二预设降水
等级D2；当L2＞L0≥L3时，则将所述历史降水信息所对应的历史降水等级设定为第三预设降水等级D3；当L3＞L0≥L4时，则将所述历史降水信息所对应的历史降水等级设定为第四预设降水等级D4；当L4＞L0时，则将所述历史降水信息所对应的历史降水等级设定为第五预设降水等级D5。5.根据权利要求4所述的基于深度学习的航空气象数据的降尺度处理方法，其特征在于，在根据所述预测降水量La确定所述预测降水等级时，包括：设定第一预设降水量差值a1、第二预设降水量差值a2、第三预设降水量差值a3和第四预设降水量差值a4，且a1＜a2＜a3＜a4；确定距离预测降水时段最近的一次历史降水量L01，并根据L01与各预设历史降水量之间的关系，确定第i预设降水等级Di作为L01所对应的历史降水等级Di后，i=1，2，3，4，5，根据所述预测降水量La和L01之间的差值a0与各预设降水量差值之间的关系确定预测降水等级：当La
‑
L01＜a1时，则将所述历史降水等级Di作为所述预测降水等级；当a1≤La
‑
L01＜a2时，则将所述历史降水等级Di调升一级后作为所述预测降水等级，若此时i=1，直接将所述第一预设降水等级D1作为所述预测降水等级；当a2≤La
‑
L01＜a3时，则将所述历史降水等级Di调升二级后作为所述预测降水等级，若此时i=1，直接将所述第一预设降水等级D1作为所述预测降水等级；当a3≤La
‑
L01＜a4时，则将所述历史降水等级Di调升三级后作为所述预测降水等级，若此时i=1，直接将所述第一预设降水等级D1作为所述预测降水等级；当a4≤La
‑
L01时，则将所述第一预设降水等级D1作为所述预测降水等级。6.根据权利要求4所述的基于深度学习的航空气象数据的降尺度处理方法，其特征在于，在将所述历史最大降水值与所述预测降水量进行比对，并在所述历史最大降水值大于所述预测降水量时，包括：获取所述历史最大降...

【专利技术属性】
技术研发人员：彭渊，郭培贤，孙永亮，付文杰，李奕飞，鲁定一，董锦芝，王孟宇，
申请(专利权)人：中国民用航空局空中交通管理局航空气象中心，
类型：发明
国别省市：