一种基于人工智能模型的气象要素预报方法技术

本发明专利技术公开了一种基于人工智能模型的气象要素预报方法，包括以下步骤：首先，从地面气象站、探空站、气象卫星、天气雷达、微波辐射计多种数据源收集气象数据，这些数据包括温度、湿度、风速、风向、气压、降水量等关键要素，系统采用数据清洗和转换技术，去除异常值和填补缺失数据，确保数据质量，并将原始数据转换为适用于机器学习算法的特征向量，最后基于机器学习算法计算获得高时空分辨率的气象要素预报产品。本发明专利技术中的学习模型采用到了CNN模型，CNN通过局部连接和权重共享的机制，减少了模型的参数数量，降低了计算成本，并提高了模型的泛化能力，可以实现高分辨率、高频次和长期趋势的温度预测，为人们提供更准确、更可靠的天气预报。

【技术实现步骤摘要】

本专利技术涉及气象预报，具体为一种基于人工智能模型的气象要素预报方法。

技术介绍

1、近年来，全球气象灾害性事件呈多发趋势。如果能获取较长时效的气象要素预报，则能够更为精准地助力防灾减灾。

2、现有技术公开了公告号为：cn115657163b基于人工智能模型的延伸期气象要素预报方法及系统，包括：采集气象要素的实况信息及10-30天的模式预报信息包括71个成员；将模式预报信息插值至长三角地区格点内；对模式预报信息中的成员进行择优筛选，确定模式预报信息的优选成员；利用人工智能模型训练优选成员，确定训练模型的最优参数搭配方案以及计算的优选成员的权重值；根据权重值对模式预报信息的优选成员进行加权集成，输出预报结果。该装置引入机器学习模型至10-30天延伸期预报，为解决气象预报的难点问题的提供了新的思路；本专利技术提出的延伸期预报方法的预报结果与主流的模式集合预报结果进行了比对，在一定程度上提升了准确度，取得了较好的效果。

3、上述的人工智能模型的延伸期气象要素预报方法公开了基于人工智能模型的延伸期气象要素预报方法及系统，引入目前应用广泛的机本文档来自技高网...

【技术保护点】

1.一种基于人工智能模型的气象要素预报方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人工智能模型的气象要素预报方法，其特征在于：所述步骤S2.1中降水预报首先依赖于多源数据的收集，包括地面气象站、探空气象站、气象卫星、天气雷达、微波辐射计等多种数据源，这些数据涵盖了降水量、降水强度、降水类型等多个维度，人工智能模型会对这些原始数据进行预处理，包括数据清洗，可以去除异常值和填补缺失数据、数据转换，能够将原始数据转换为模型可识别的格式以及特征提取，包括提取对降水预报有用的关键特征。

3.根据权利要求2所述的基于人工智能模型的气象要素预报方法，其特征在于...

【技术特征摘要】

1.一种基于人工智能模型的气象要素预报方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人工智能模型的气象要素预报方法，其特征在于：所述步骤s2.1中降水预报首先依赖于多源数据的收集，包括地面气象站、探空气象站、气象卫星、天气雷达、微波辐射计等多种数据源，这些数据涵盖了降水量、降水强度、降水类型等多个维度，人工智能模型会对这些原始数据进行预处理，包括数据清洗，可以去除异常值和填补缺失数据、数据转换，能够将原始数据转换为模型可识别的格式以及特征提取，包括提取对降水预报有用的关键特征。

3.根据权利要求2所述的基于人工智能模型的气象要素预报方法，其特征在于：所述步骤s2.2中的lstm指的是长短期记忆网络，温度预报依赖于来自多个源的数据，包括地面气象站、卫星观测和高空探测，这些数据提供了关于当前和过去温度状况的丰富信息，人工智能模型会对这些原始数据进行清洗、转换和特征提取，以消除噪声、填补缺失值，并提取出对温度预测有用的关键特征。

4.根据权利要求3所述的基于人工智能模型的气象要素预报方法，其特征在于：所述步骤s2.2中针对温度预报，会利用到...

【专利技术属性】
技术研发人员：刘维成，陈晓燕，宋兴宇，许竹霞，赵文，闫文君，石霞，张敏，
申请(专利权)人：中国气象局兰州干旱气象研究所，
类型：发明
国别省市：