本申请公开了一种天气预报方法、系统、装置及可读存储介质，涉及天气预报技术领域。该方案中，获取当前位置与天气相关的多模态数据，对多模态数据中的特征进行提取，得到多模态特征；对多模态特征建立模型；对模型进行分析，以得到与当前位置对应的天气预报结果，其中多模态数据包括当前位置的图像数据和/或音频数据及天气预报文本数据。本申请中，基于天气预报中心的天气预报文本数据以及与当前位置对应的图像数据和/或音频数据建立模型，得到与当前位置对应的天气预报结果，而不单单是基于国家天气预报中心的天气预报文本数据得到的天气预报结果，使用本申请中的方式得到的当前位置的天气预报结果更加精准，可提高天气预报结果的准确性。预报结果的准确性。预报结果的准确性。
【技术实现步骤摘要】
一种天气预报方法、系统、装置及可读存储介质
[0001]本申请涉及天气预报
，特别涉及一种天气预报方法、系统、装置及可读存储介质。
技术介绍
[0002]随着人工智能技术的发展，越来越多的智能设备被应用在家庭、工厂、公共场所等区域。其中，一些智能设备需要及时获取自身所在位置在未来短期内的天气预报以方便决策和规划，例如智能割草机器人可以在临近下雨前找寻遮挡物等。但是，目前天气预报系统的最小预报区域仍然较大（通常为几公里），而预报区域内各个位置的天气可能会被该位置独特的地形或者地貌影响，从而产生与天气预报不一致的天气情况。
[0003]因此，提供一种天气预报方法以更加准确的对自身所处位置的天气情况进行预测是本领域技术人员亟需解决的问题。
技术实现思路
[0004]本申请的目的是提供一种天气预报方法、系统、装置及可读存储介质，基于天气预报中心的天气预报文本数据以及与当前位置对应的图像数据和/或音频数据建立模型，以得到与当前位置对应的天气预报结果，而不单单是基于国家天气预报中心的天气预报文本数据得到的天气预报结果，本申请中的方式得到的当前位置的天气预报结果更加精准，提高了对天气预报测量的准确性。
[0005]为解决上述技术问题，本申请提供了一种天气预报方法，包括：获取当前位置与天气相关的多模态数据，所述多模态数据包括当前位置的图像数据和/或音频数据及天气预报文本数据；对所述多模态数据中的特征进行提取，得到多模态特征；对所述多模态特征建立模型；对所述模型进行分析，以得到与所述当前位置对应的天气预报结果。
[0006]优选地，获取当前位置与天气相关的多模态数据，包括：获取设置于所述当前位置的摄像装置发送的图像数据和/或音频数据；和/或，获取从所述国家天气预报中心获取到的所述当前位置所在区域的天气预报数据；所述天气预报数据包括天气类别、温度、湿度、风力等级、能见度及空气质量中一种或多种的组合。
[0007]优选地，所述图像数据包括摄像装置拍摄的彩色图像及运动图像，还包括：通过频谱分析将所述音频数据转换为与所述彩色图像的大小相同的频谱图像。
[0008]优选地，获取当前位置与天气相关的多模态数据之前，还包括：根据所述国家天气预报中心的信息及所述当前位置确定当前位置所在区域；获取当前位置所在区域的多个所述摄像装置发送的所述图像数据及所述音频数
据；分别根据每个所述摄像装置发送的所述图像数据、所述音频数据使用预设天气类别判断算法得到与每个所述摄像装置发送的所述图像数据、所述音频数据对应的天气类别；对所述摄像装置进行分组，每组中的所述摄像装置对应的天气类别相同；将所述摄像装置数量最多的一组对应的图像数据、音频信息和文本信息作为所述多模态数据。
[0009]优选地，所述预设天气类别判断算法的确定方式为：获取预设数量的所述摄像装置发送的图像数据和音频数据；分别为各个所述摄像装置发送的所述图像数据和所述音频数据标注对应的天气类别；根据所述图像数据、所述音频数据及标注的所述天气类别进行深度学习训练，得到深度神经网络模型，并作为所述预设天气类别判断算法。
[0010]优选地，所述多模态数据包括当前位置的图像数据和天气预报文本数据时；对所述多模态数据中的特征进行提取，得到多模态特征之前，包括：将天气类别相同的多个所述图像数据和多个所述天气预报文本数据映射在同一特征空间中；分别提取与多个所述图像数据对应的多个图像特征及与多个所述天气预报文本数据对应的多个文本特征，生成多个图像
‑
文本特征对；对多个所述图像
‑
文本特征对进行训练，以使第i个图像特征与第i个文本特征的向量内积最少，进而得到图像特征提取模型及文本特征提取模型，i为正整数，且不大于所述图像数据或所述天气预报数据的个数；对所述多模态数据中的特征进行提取，得到多模态特征，包括：根据所述图像特征提取模型对所述图像数据中的特征进行提取，得到图像特征，以及根据文本特征提取模型对所述文本数据中的特征进行提取，得到文本特征。
[0011]优选地，对所述多模态特征建立模型，包括：获取若干个设于不同位置的摄像装置发送的多个第一训练数据，对多个所述第一训练数据进行训练，以得到与天气相关的通用特征；获取预设位置的摄像装置发送的第二训练数据，并对所述第二训练数据进行训练，以得到与所述预设位置对应的特定特征；所述第一训练数据及所述第二训练数据均包括所述图像数据、所述音频数据及所述天气预报文本数据中一种或多种的组合；基于所述通用特征及所述特定特征建立模型。
[0012]为解决上述技术问题，本申请还提供了一种天气预报系统，包括：数据获取单元，用于获取当前位置与天气相关的多模态数据，所述多模态数据包括当前位置的图像数据和/或音频数据及天气预报文本数据；特征提取单元，用于对所述多模态数据中的特征进行提取，得到多模态特征；模型建立单元，用于对所述多模态特征建立模型；模型分析单元，用于对所述模型进行分析，以得到与所述当前位置对应的天气预报结果。
[0013]为解决上述技术问题，本申请还提供了一种天气预报装置，包括：存储器，用于存储计算机程序；处理器，用于在存储计算机程序时，实现如上述所述的天气预报方法的步骤。
[0014]为解决上述技术问题，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的天气预报方法的步骤。
[0015]本申请提供了一种天气预报方法、系统、装置及可读存储介质，涉及天气预报
该方案中，获取当前位置与天气相关的多模态数据，对多模态数据中的特征进行提取，得到多模态特征；对多模态特征建立模型；对模型进行分析，以得到与当前位置对应的天气预报结果，其中多模态数据包括当前位置的图像数据和/或音频数据及天气预报文本数据。本申请中，基于天气预报中心的天气预报文本数据以及与当前位置对应的图像数据和/或音频数据建立模型，以得到与当前位置对应的天气预报结果，而不单单是基于国家天气预报中心的天气预报文本数据得到的天气预报结果，本申请中的方式得到的当前位置的天气预报结果更加精准，提高了对天气预报测量的准确性。
附图说明
[0016]为了更清楚地说明本专利技术实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本申请提供的一种天气预报方法的流程示意图；图2为本申请提供的一种天气特征提取模型预训练示意图；图3为本申请提供的一种基于编码器
‑
解码器架构的短时天气预报的结构示意图；图4为本申请提供的一种天气预报系统的结构框图；图5为本申请提供的一种天气预报装置的结构框图。
具体实施方式
[0018]本申请的核心是提供一种天气预报方法、系统、装置及可读存储介质，基于天气预报中心的天气预报文本数据以及与当本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种天气预报方法，其特征在于，包括：获取当前位置与天气相关的多模态数据，所述多模态数据包括当前位置的图像数据和/或音频数据及天气预报文本数据；对所述多模态数据中的特征进行提取，得到多模态特征；对所述多模态特征建立模型；对所述模型进行分析，以得到与所述当前位置对应的天气预报结果。2.如权利要求1所述的天气预报方法，其特征在于，获取当前位置与天气相关的多模态数据，包括：获取设置于所述当前位置的摄像装置发送的图像数据和/或音频数据；和/或，获取从所述国家天气预报中心获取到的所述当前位置所在区域的天气预报数据；所述天气预报数据包括天气类别、温度、湿度、风力等级、能见度及空气质量中一种或多种的组合。3.如权利要求2所述的天气预报方法，其特征在于，所述图像数据包括摄像装置拍摄的彩色图像及与运动图像，还包括：通过频谱分析将所述音频数据转换为与所述彩色图像的大小相同的频谱图像。4.如权利要求2所述的天气预报方法，其特征在于，获取当前位置与天气相关的多模态数据之前，还包括：根据所述国家天气预报中心的信息及所述当前位置确定当前位置所在区域；获取当前位置所在区域的多个所述摄像装置发送的所述图像数据及所述音频数据；分别根据每个所述摄像装置发送的所述图像数据、所述音频数据使用预设天气类别判断算法得到与每个所述摄像装置发送的所述图像数据、所述音频数据对应的天气类别；对所述摄像装置进行分组，每组中的所述摄像装置对应的天气类别相同；将所述摄像装置数量最多的一组对应的图像数据、音频信息和文本信息作为所述多模态数据。5.如权利要求4所述的天气预报方法，其特征在于，所述预设天气类别判断算法的确定方式为：获取预设数量的所述摄像装置发送的图像数据和音频数据；分别为各个所述摄像装置发送的所述图像数据和所述音频数据标注对应的天气类别；根据所述图像数据、所述音频数据及标注的所述天气类别进行深度学习训练，得到深度神经网络模型，并作为所述预设天气类别判断算法。6.如权利要求1所述的天气预报方法，其特征在于，所述多模态数据包括当前位置的图像数据和天气预报文本数据时；对所述多模态数据中的特征进行提取，得到多模态特征之前，包括：将天气类别相同的多个所述图像数据和多个...
【专利技术属性】
技术研发人员：赵刚强，金伟，应红力，
申请(专利权)人：杭州觅睿科技股份有限公司，
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。