本发明专利技术提供一种风速预测方法、装置和设备，涉及气象预测技术领域，该方法包括：获取数值天气预报NWP数据；根据NWP数据，构建风速相关的多维气象特征数据；将多维气象特征数据，输入至风速预测模型，得到风速预测结果；风速预测模型用于对NWP数据中的风速数据进行修正；风速预测结果是NWP数据的修正结果。本发明专利技术的方法可以准确的输出风速预测结果，实现对NWP数据中的风速数据的修正，提升NWP的风速预测精度。测精度。测精度。
【技术实现步骤摘要】
风速预测方法、装置和设备
[0001]本专利技术涉及气象预测
，尤其涉及一种风速预测方法、装置和设备。
技术介绍
[0002]风是大气流动的表现形式。由于大气流体的特性，受到地形等环境条件影响较大，风具有较强的波动性和随机性，是天气预报中最复杂难预报的变量之一。
[0003]在早期的传统天气预报中，风是一种传统的基本气象预报要素。传统天气预报中，基于站点观测结果结合传统经验及统计学原理进行天气预报；随着计算机的发展，基于数值天气预报(Numerical Weather Prediction，NWP)以及机器学习(深度学习)等手段进行气象预测，前者是求解描写天气演变过程的动力学和热力学的方程组，预测未来一定时段的大气运动状态。仅是对大气状态的一种模拟，无法做到完全准确的预测。而机器学习或深度学习，模型本身缺乏物理解释，在提取数据特征或优化模型时缺少物理指导。
技术实现思路
[0004]针对现有技术中的问题，本专利技术实施例提供一种风速预测方法、装置和设备。
[0005]具体地，本专利技术实施例提供了以下技术方案：
[0006]第一方面，本专利技术实施例提供了一种风速预测方法，包括：
[0007]获取数值天气预报NWP数据；
[0008]根据所述NWP数据，构建风速相关的多维气象特征数据；
[0009]将所述多维气象特征数据，输入至风速预测模型，得到风速预测结果；所述风速预测模型用于对NWP数据中的风速数据进行修正；所述风速预测结果是所述NWP数据的修正结果。
[0010]进一步地，所述根据所述NWP数据，构建风速相关的多维气象特征数据，包括：
[0011]从所述NWP数据中，确定与风速相关的多种气象要素数据；
[0012]根据所述多种气象要素数据，构建风速相关的多维气象特征数据。
[0013]进一步地，所述风速预测模型，包括：
[0014]卷积层；所述卷积层用于对所述多维气象特征数据进行特征提取，生成多维特征图；
[0015]池化层；所述池化层用于对所述多维特征图进行降采样，得到降采样后的多维特征图；
[0016]全连接层；所述全连接层用于根据所述降采样后的多维特征图，生成风速预测结果。
[0017]进一步地，所述风速预测模型基于如下方式进行训练：
[0018]获取NWP数据样本；
[0019]根据所述NWP数据样本，构建风速相关的多维气象特征数据样本；
[0020]将所述多维气象特征数据样本，输入至风速预测模型，得到风速预测样本；
[0021]根据所述风速预测样本和实测风速，对所述风速预测模型进行训练，得到训练后的风速预测模型。
[0022]进一步地，所述根据所述风速预测样本和实测风速，对所述风速预测模型进行训练，包括：
[0023]利用如下方式对所述风速预测模型进行训练：
[0024][0025]L(y,y
′
)＝||y
‑
y
′
||2；
[0026]其中，n表示样本数量；y
′
表示风速预测样本；y表示实测风速；L表示损失函数。
[0027]进一步地，所述卷积层还用于：
[0028]对所述多维特征图的边界进行扩大和填充。
[0029]进一步地，所述卷积层对应的激活函数为矫正线性函数。
[0030]第二方面，本专利技术实施例还提供了一种风速预测装置，包括：
[0031]获取模块，用于获取数值天气预报NWP数据；
[0032]构建模块，用于根据所述NWP数据，构建风速相关的多维气象特征数据；
[0033]预测模块，用于将所述多维气象特征数据，输入至风速预测模型，得到风速预测结果；所述风速预测模型用于对NWP数据中的风速数据进行修正；所述风速预测结果是所述NWP数据的修正结果。
[0034]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述风速预测方法。
[0035]第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介质，其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第一方面所述风速预测方法。
[0036]第五方面，本专利技术实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述风速预测方法。
[0037]本专利技术实施例提供的风速预测方法、装置和设备，在风速预测过程中充分考虑到多种气象特征之间的关联关系，考虑到大气中多种复杂的动力过程和热力过程是相互作用的，从而基于大气物理规则从NWP数据中构建风速相关的多维气象特征数据，进而也就可以通过分析多维空间气象特征之间的物理规则和相互作用及与风速的关联关系，准确的输出风速预测结果，实现对NWP数据中的风速数据的修正，提升NWP的风速预测精度。
附图说明
[0038]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
[0039]图1是本专利技术实施例提供的风速预测方法的流程示意图；
[0040]图2是本专利技术实施例提供的风速预测装置的结构示意图；
[0041]图3是本专利技术实施例提供的电子设备结构示意图。
具体实施方式
[0042]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]本专利技术实施例的方法可以应用于气象预测场景中，准确的输出风速预测结果，实现对NWP数据中的风速数据的修正，提升NWP的风速预测精度。
[0044]相关技术中，基于NWP(Numerical Weather Prediction，NWP)方式进行气象预测，但NWP仅是对大气状态的一种模拟，无法做到完全准确的预测。因此如何进行风速的准确预测是本领域技术人员亟需解决的技术问题。
[0045]本专利技术实施例的风速预测方法，在风速预测过程中充分考虑到多种气象特征之间的关联关系，考虑到大气中多种复杂的动力过程和热力过程是相互作用的，从而基于大气物理规则从NWP数据中构建风速相关的多维气象特征数据，进而也就可以通过分析多维空间气象特征之间的物理规则和相互作用及与风速的关联关系，准确的输出风速预测结果，实现对NWP数据中的风速数据的修正，提升NWP的风速预测精度。
[0046]下面结合图1
‑
图3以具体的实施例对本专利技术的技术方案本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风速预测方法，其特征在于，包括：获取数值天气预报NWP数据；根据所述NWP数据，构建风速相关的多维气象特征数据；将所述多维气象特征数据，输入至风速预测模型，得到风速预测结果；所述风速预测模型用于对NWP数据中的风速数据进行修正；所述风速预测结果是所述NWP数据的修正结果。2.根据权利要求1所述的风速预测方法，其特征在于，所述根据所述NWP数据，构建风速相关的多维气象特征数据，包括：从所述NWP数据中，确定与风速相关的多种气象要素数据；根据所述多种气象要素数据，构建风速相关的多维气象特征数据。3.根据权利要求2所述的风速预测方法，其特征在于，所述根据所述多种气象要素数据，构建风速相关的多维气象特征数据，包括：根据所述多种气象要素数据对应的高度特征、时间特征、空间特征，构建风速相关的多维气象特征数据。4.根据权利要求3所述的风速预测方法，其特征在于，所述风速预测模型，包括：卷积层；所述卷积层用于对所述多维气象特征数据进行特征提取，生成多维特征图；池化层；所述池化层用于对所述多维特征图进行降采样，得到降采样后的多维特征图；全连接层；所述全连接层用于根据所述降采样后的多维特征图，生成风速预测结果。5.根据权利要求4所述的风速预测方法，其特征在于，所述风速预测模型基于如下方式进行训练：获取NWP数据样本；根据所述NWP数据样本，构建风速相关的多维气象特征数据样本；将所述多维气象特征数据样本，...
【专利技术属性】
技术研发人员：王运雷，屈丽环，闫涵，
申请(专利权)人：国能日新科技股份有限公司，
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。