一种基于LGBM神经网络的低空风场预测方法、设备及介质技术

本发明专利技术提供一种基于LGBM神经网络的低空风场预测方法，包括：S1、采用WRF模型对目标区域进行数值风场预报，得到WRF风场预测数据；S2、根据目标区域的地形特征和常见风场现象，基于WRF风场预测数据选取与低空风场密切相关的关键气象因子；S3、结合关键气象因子和WRF风场预测数据，采用LGBM神经网络构建低空风场预测修正模型，并通过参数寻优和重要性分析优化模型性能；S4、利用目标区域气象观测站获取的实时风场观测数据，输入至风场预测修正模型，得到经过订正的低空风场预测数据。本发明专利技术可以解决现有技术中存在的由于WRF模型在预测低空风场气象数据的空间推广能力有限，导致模型存在不一致性，使得最终预测结果存在较大误差精度的技术问题。

【技术实现步骤摘要】

本专利技术涉及气象预测，具体涉及一种基于lgbm神经网络的低空风场预测方法、设备及介质。

技术介绍

1、在气象预报领域，准确预测风速和风向对于航空、风能开发、环境监测等多个行业至关重要。现有的低空风场预测方法主要依赖于数值风场预报模型，如广泛使用的wrf(weather research and forecasting)模型。

2、虽然wrf模型基于物理方程和数值方法能够提供较为准确的预报，但它在复杂地形和不同高度层的风场预测上存在局限性，即wrf模型的空间推广能力有限，使得最终预测结果存在误差，wrf模型的标准配置可能无法捕捉到小尺度的气象现象，尤其是在近地面的低空风场。

3、专利技术人鉴于此，提出一种基于wrf模型的风场预测方法、设备及介质。

技术实现思路

1、针对现有技术存在的不足，本专利技术提出一种基于lgbm神经网络的风场预测方法、设备及介质，以解决现有技术中存在的由于wrf模型在预测低空风场气象数据的空间推广能力有限，导致模型存在不一致性，使得最终预测结果存在较大误差精度的本文档来自技高网...

【技术保护点】

1.一种基于LGBM神经网络的低空风场预测方法，其特征在于，包括：

2.根据权利要求1所述的基于LGBM神经网络的低空风场预测方法，其特征在于，所述根据目标区域的地形特征和常见风场现象，基于WRF风场预测数据选取与低空风场密切相关的关键气象因子，包括：

3.根据权利要求2所述的基于LGBM神经网络的低空风场预测方法，其特征在于，所述基于气象学和流体力学的基本理论从WRF风场预测数据选取地风场相关的气象变量数据中，对于复杂地形的气象变量数据进行垂直插值，包括：

4.根据权利要求3所述的基于LGBM神经网络的低空风场预测方法，其特征在于，所述垂直插值方法为...

【技术特征摘要】

1.一种基于lgbm神经网络的低空风场预测方法，其特征在于，包括：

2.根据权利要求1所述的基于lgbm神经网络的低空风场预测方法，其特征在于，所述根据目标区域的地形特征和常见风场现象，基于wrf风场预测数据选取与低空风场密切相关的关键气象因子，包括：

3.根据权利要求2所述的基于lgbm神经网络的低空风场预测方法，其特征在于，所述基于气象学和流体力学的基本理论从wrf风场预测数据选取地风场相关的气象变量数据中，对于复杂地形的气象变量数据进行垂直插值，包括：

4.根据权利要求3所述的基于lgbm神经网络的低空风场预测方法，其特征在于，所述垂直插值方法为三次样条插值，具体公式如下：

5.根据权利要求2所述的基于lgbm神经网络的低空风场预测方法，其特征在于，所述构建重要性分析模型，剔除气象变量数据中对低空风场精度影响较小的气象变...

【专利技术属性】
技术研发人员：陈鹏，李建科，袁令，秦海明，王晓理，刘煜，宋学武，刘中富，
申请(专利权)人：中船海装风电有限公司，
类型：发明
国别省市：