一种基于多源探测和机器学习的高分辨率天气预报方法技术

本发明专利技术公开了一种基于多源探测和机器学习的高分辨率天气预报方法，收集多个数据源的气象探测数据，对所述气象探测数据进行预处理；对多个数据源的所述气象探测数据进行相关特征提取和选择，筛选出所述相关特征；对提取的所述相关特征进行相关性分析和复杂地形降尺度分析，通过观测订正加权法利用多源数据的信息将来自不同所述气象探测数据的相关特征进行融合得到网格化的高分辨率格点融合数据；将采用卷积神经网络算法对所述融合数据进行训练优化构建机器学习预报模型；选择最优所述机器学习预报模型引入多源探测数据、格点分析数据、模式预报数据和地理信息数据对未来天气进行预测。本发明专利技术通过融合不同时空分辨率、不同覆盖范围的温度、湿度、风场等数据，经过多源实测资料的数据融合和机器学习订正，为天气预报提供重要信息，增强气象数据的可利用性。增强气象数据的可利用性。增强气象数据的可利用性。

【技术实现步骤摘要】
一种基于多源探测和机器学习的高分辨率天气预报方法


[0001]本专利技术涉及预报
，尤其涉及一种基于多源探测和机器学习的高分辨率天气预报方法。

技术介绍

[0002]近年来，在全球变暖的背景下，天气气候极端事件频增，包括极端高温、局地强降雨、大风冰雹等，对人类安全和经济造成严重损失。对一个区域的短临天气状况进行精细化精准预报，提前对极端灾害天气发出预警，将有效止损。随着气象设备不断建设完善、气象业务不断进步，相关气象数据监测能力和极端天气的预警能力均有所提升。天气系统有多种数据描述，包括地面自动气象站、天气雷达、卫星观测数据和数值模式结果。雷达探测数据有着较高的时空分辨率，但是雷达风场反演技术存在一定的假设条件，会产生误差和过滤有用信息，雷达降水估测技术得到的定量降雨产品在量级上也存在较大的偏差。地面自动观测站的温度、湿度、风速、风向、降雨等观测要素，更加接近真实的近地层气流动向和温湿晴雨状态，但是只能观测单点位置，空间分辨率低，空间可代表性差。中尺度天气模式资料是大气动力学数值模式模拟结果，符合大气运动基本方程组所表征的大气运动规律，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源探测和机器学习的高分辨率天气预报方法，其特征在于，包括以下步骤：A收集多个数据源的气象探测数据，包括地面自动气象站观测数据、雷达三维立体扫描数据及风云卫星云图数据，对所述气象探测数据进行预处理；B对多个数据源的所述气象探测数据进行相关特征提取和选择，包括地面2米温度、相对湿度、地面10米风速、风向、地面气压、降水，筛选出所述相关特征；C对提取的所述相关特征进行相关性分析，通过观测订正加权法利用多源数据的信息将来自不同所述气象探测数据的相关的特征进行融合得到融合数据；D采用卷积神经网络算法对所述融合数据进行训练优化构建机器学习预报模型；E选择最优所述机器学习预报模型引入多源探测数据、格点分析数据、模式预报数据和不同位置地理信息数据对未来天气进行预测。2.根据权利要求1所述基于多源探测和机器学习的高分辨率天气预报方法，其特征在于，在步骤A中，对所述气象探测数据中的问题数值和缺测点用空值替换，然后对小范围空值的探测点用反距离权重方法插值填补，对较大范围的空值直接剔除，不进行插值填补；最后对所述气象探测数据先切向后径向采用五点线性平滑方式进行滤波处理。3.根据权利要求1所述基于多源探测和机器学习的高分辨率天气预报方法，其特征在于，在步骤B中，对所述气象探测数据进行相关特征提取和选择的方法包括:a对所述述气象探测数据的参数采用时空特征算法筛选出相关的特征；b对提取的特征进行相关性分析，使用斯皮尔曼相关系数法确定特征之间的相关性；c根据特征选择的结果，递归特征法消除筛选出最相关的特征。4.根据权利要求1所述...

【专利技术属性】
技术研发人员：宋林烨，杨璐，程丛兰，吴剑坤，曹伟华，陈明轩，张延彪，徐景峰，
申请(专利权)人：北京城市气象研究院，
类型：发明
国别省市：