【技术实现步骤摘要】
本专利技术涉及一种海洋气象耦合精细化预报方法及系统。
技术介绍
1、随着全球气候变化和人类活动的加剧，海洋气象预报的精度和时效性越来越受到重视。现有海洋气象预报方法采用单一的气象模型或海洋模型进行预报，存在预报精度较低、时效性较差等问题。
技术实现思路
1、本专利技术的专利技术目的在于提供一种海洋气象耦合精细化预报方法及系统，能够有效提高海洋气象预报的准确性。
2、基于同一专利技术构思，本专利技术具有两个独立的技术方案：
3、1、基于wrf模式气象预报系统获得预报气象数据；
4、将所述预报气象数据中的风场数据，输入至ww3模式海浪预报系统来预报海浪数据，输入至fvcom模式海流预报系统来预报海流数据，从而获得更接近海浪实际情况的预报结果。
5、进一步地，wrf模式气象预报系统、ww3模式海浪预报系统、fvcom模式海流预报系统中，均对预报数据进行后处理；所述后处理为，将模式预报结果插值到观测位置，基于预报和历史观测数据进行时空匹配，进行机器学习获得学习模型。
6、进一步地，wrf模式气象预报系统中，采用ysu行星边界层参数化方案获得行星边界层。
7、进一步地，wrf模式气象预报系统中，对行星边界层的垂直分层进行优化，对行星边界层进行加密处理。
8、进一步地，fvcom模式海流预报系统中,其分辨率可变，海洋沿岸的计算精度最高设定为500米。
9、进一步地，ww3模式海浪预报系统中，模式最小
10、进一步地，基于wrf模式气象预报系统获得气象数据包括如下步骤：
11、步骤1：下载粗网格气象预报数据和观测数据；
12、步骤2：将粗网格全球气象预报数据插值到模拟区域，生成区域模式的初始条件和边界条件；
13、步骤3：基于wrf模式气象预报系统，生成精细化风场预报数据；
14、步骤4：基于精细化风场预报数据和观测数据进行机器学习，获得优化后的预报数据。
15、进一步地，基于ww3模式海浪预报系统预报海浪数据包括如下步骤：
16、步骤1：使用gridgen工具制作ww3网格与数据文件；
17、步骤2：修改ww3_strt.inp配置初始条件，执行ww3_strt创建初始场；
18、步骤3：修改ww3_prnc.inp配置风场数据，ww3根据配置读取并前处理风场数据；
19、步骤4：修改ww3_multi.inp配置多重嵌套模式；
20、步骤5：基于ww3模式海浪预报系统预报海浪数据；
21、步骤6：基于海浪预报数据和观测数据进行机器学习，利用学习的模型来优化预报数据，从而使得预测的数据更接近实际观测。
22、进一步地，基于fvcom模式海流预报系统预报海流数据包括如下步骤：
23、步骤1：制作网格、地形数据；
24、步骤2：在fvcom配置文件中，说明需要使用风场，并给出风场预报文件的路径；
25、步骤3：基于fvcom模式海流预报系统预报海流数据；
26、步骤4：基于海流预报数据和观测数据进行机器学习，获得优化后的预报数据。
27、2、一种海洋气象耦合精细化预报，用于执行上述方法。
28、本专利技术具有的有益效果：
29、本专利技术基于wrf模式气象预报系统获得预报气象数据；将所述预报气象数据中的风场数据输入至ww3模式海浪预报系统，基于ww3模式海浪预报系统预报海浪数据；将所述预报气象数据中的风场数据输入至fvcom模式海流预报系统，基于fvcom模式海流预报系统预报海流数据。本专利技术将wrf模式气象预报系统、ww3模式海浪预报系统、fvcom模式海流预报系统三个模式海流预报系统相耦合，将wrf模式气象预报系统获得的风场数据输入至ww3模式海浪预报系统、fvcom模式海流预报系统，有效提高海洋气象预报的准确性，更好地满足海上风电、海洋牧场渔业等行业气象预报需求。
30、本专利技术wrf模式气象预报系统、ww3模式海浪预报系统、fvcom模式海流预报系统中，均对预报数据进行后处理；所述后处理为将模式预报结果插值到观测位置，基于预报和历史观测数据进行时空匹配，进行机器学习获得学习模型。本专利技术学习模型包含了预测和观测的经验关系，因此利用该模型对预测结果进行修正，够使得预报结果和实际观测更接近。本专利技术通过对预报数据的后处理，进一步保证预报的准确性、可靠性。
31、本专利技术wrf模式气象预报系统中，采用ysu行星边界层参数化方案获得行星边界层；wrf模式气象预报系统中，对行星边界层的垂直分层进行优化，对行星边界层进行加密处理。fvcom模式海流预报系统中,海洋沿岸的计算精度最高为500米。ww3模式海浪预报系统中，模式最小空间分辨率为500米，时间分辨率为1小时，预报时效为10天。本专利技术通过上述对预报系统的参数设置，有效提升空间分辨率，进一步保证预报精度。
本文档来自技高网...【技术保护点】
1.一种海洋气象耦合精细化预报方法，其特征在于：
2.根据权利要求1所述的海洋气象耦合精细化预报方法，其特征在于：WRF模式气象预报系统、WW3模式海浪预报系统、FVCOM模式海流预报系统中，均对预报数据进行后处理；所述后处理为，将模式预报结果插值到观测位置，基于预报和历史观测数据进行时空匹配，进行机器学习获得学习模型。
3.根据权利要求1所述的海洋气象耦合精细化预报方法，其特征在于：WRF模式气象预报系统中，采用YSU行星边界层参数化方案获得行星边界层。
4.根据权利要求3所述的海洋气象耦合精细化预报方法，其特征在于：WRF模式气象预报系统中，对行星边界层的垂直分层进行优化，对行星边界层进行加密处理。
5.根据权利要求3所述的海洋气象耦合精细化预报方法，其特征在于：FVCOM模式海流预报系统中,其分辨率可变，海洋沿岸的计算精度最高设定为500米。
6.根据权利要求3所述的海洋气象耦合精细化预报方法，其特征在于：WW3模式海浪预报系统中，模式最小空间分辨率为500米，时间分辨率为1小时，预报时效为10天。
7
8.根据权利要求1所述的海洋气象耦合精细化预报方法，其特征在于，基于WW3模式海浪预报系统预报海浪数据包括如下步骤：
9.根据权利要求1所述的海洋气象耦合精细化预报方法，其特征在于，基于FVCOM模式海流预报系统预报海流数据包括如下步骤：
10.一种海洋气象耦合精细化预报系统，其特征在于，用于执行权利要求1-9任何一项所述的方法。
...【技术特征摘要】
1.一种海洋气象耦合精细化预报方法，其特征在于：
2.根据权利要求1所述的海洋气象耦合精细化预报方法，其特征在于：wrf模式气象预报系统、ww3模式海浪预报系统、fvcom模式海流预报系统中，均对预报数据进行后处理；所述后处理为，将模式预报结果插值到观测位置，基于预报和历史观测数据进行时空匹配，进行机器学习获得学习模型。
3.根据权利要求1所述的海洋气象耦合精细化预报方法，其特征在于：wrf模式气象预报系统中，采用ysu行星边界层参数化方案获得行星边界层。
4.根据权利要求3所述的海洋气象耦合精细化预报方法，其特征在于：wrf模式气象预报系统中，对行星边界层的垂直分层进行优化，对行星边界层进行加密处理。
5.根据权利要求3所述的海洋气象耦合精细化预报方法，其特征在于：fvcom模式海...
【专利技术属性】
技术研发人员：陈峥佑，崔叶孟，赵中阔，周明森，郭海宇，宋子晗，
申请(专利权)人：苏州御象信息科技有限公司，
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。