基于符号回归的大风预报订正方法技术

本发明专利技术公开了基于符号回归的大风预报订正方法，涉及天气领域，包括S1获取多个城市的天气特征作为数据集，S2对数据集进行预处理，将每个特征缩放到0

【技术实现步骤摘要】
基于符号回归的大风预报订正方法


[0001]本专利技术涉及天气领域，尤其涉及一种基于符号回归的大风预报订正方法。

技术介绍

[0002]数值天气预报已经成为现代天气预报的基础。特别是最近几十年，随着计算机和科学技术的发展，数值模式不断得到完善和改进。目前全球预报年平均可信预报时效(距平相关系数0.60)已经达到8d，全球模式月平均可用时效首次突破10d。数值天气预报发展的三个主要部分：物理过程、集合模拟和模式初始化，每一部分的发展都会使数值天气预报的准确率得到提高。
[0003]现有技术方案:
[0004]1、数值天气预报是根据大气实际情况,在一定初值和边值条件下,通过大型计算机进行数值计算，求解描述天气演变过程中的流体力学和热力学的方程组，预测未来一定时段大气运动状态和天气现象的方法，该方法存在的缺点是：由于模式初始场、动力和物理过程的不确定性等因素，可能导致数值天气预报与实况间存在较大的偏差。
[0005]2、基于统计的订正方法，该方法存在的缺点是：基于统计的订正方法对中短期数据进行线性回归、滑动平均等方法对天气数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于符号回归的大风预报订正方法，其特征在于，包括：S1、获取多个城市的天气特征作为数据集，该数据集的时间分辨率为每小时，天气特征包括温度x0、压力x1、风速x2和风向x3，每个时间步长t由矩阵Mt∈R
FxC
组成，其中F是特征数，C为城市数；S2、对数据集进行预处理，将每个特征缩放到0
‑
1之间；S3、构建符号回归神经网络；S4、预处理后的数据集分为训练集和验证集；S5、训练集导入符号回归神经网络进行训练优化，并采用RMSProp算法优化正则化表达式作为训练的损失，得到订正方程；验证集导入优化后的符号回归神经网络进行验证；S6、获取需要订正的天气特征导入订正方程，完成对大风预报的订正。2.根据权利要求1所述的基于符号回归的大风预报订正方法，其特征在于，在S2中，采用公式将每个特征缩放到0
‑
1之间，其中c
mn
表示的是列向量，m是第m个特征，n是第n个城市。3.根据权利要求1所述的基于符号回归的大风预报订正方法，其特征在于，符号回归神经网络为多层的EQL网络和输出层依次连接，网络第i层表示为g
i
＝W
i
h
...

【专利技术属性】
技术研发人员：杨昊，刘旭，周航，杨康权，文武，杨武霖，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：