气象数据处理方法和装置制造方法及图纸

本发明专利技术公开了一种气象数据处理方法和装置。其中，该方法包括：获取中尺度时间序列气象数据，根据中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域并使微尺度水平模拟区域的边界之上或边界的预设范围内存在中尺度时间序列气象数据，将位于边界之上或边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合，生成初始中心点，基于初始中心点使用聚类算法将向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件，确定进行分组处理之后得到的每个向量组的中心点。本发明专利技术解决了相关技术中直接运用大量中尺度气象数据执行微尺度数据模拟运算量过大的技术问题。

Meteorological data processing method and apparatus

The invention discloses a meteorological data processing method and device. Among them, the method includes: acquiring scale time series of meteorological data, according to the meteorological data in the scale of time series lattice distribution to determine the micro level and the target area corresponding to the simulation area and the micro scale simulation of mesoscale time series of meteorological data on preset range boundaries or within the boundaries, in the scale of time series meteorological data preset range will be located in the boundary above or within the boundary of the conversion and according to preset order vectors that generate the initial center point, initial center point clustering algorithm used a vector set of packet processing and the multiple vector group effectiveness index meets the preset conditions based on the determined after the packet processing the center point of each vector group. The invention solves the technical problems that a large amount of mesoscale meteorological data is directly applied in the related technology to carry out microscale data and simulate excessive calculation.

【技术实现步骤摘要】
气象数据处理方法和装置
本专利技术涉及气象数据处理领域，具体而言，涉及一种气象数据处理方法和装置。
技术介绍
近年来国内国外采用基于CFD(ComputationalFluidDynamics，计算流体动力学)数值模拟技术(或称为微尺度数值模拟技术)进行风资源的评估取得了一定发展，由于基于CFD技术的风资源评估技术精度较高，因而其应用范围逐渐扩大。但是到目前为止，这种技术存在如下缺陷：1、边界条件按照定常、表面均匀的假定设定，不能适用于复杂地形；2、计算所用到的关键参量，例如，大气边界层参量等，都是主观设定的，没有实测数据基础。以上缺陷均影响了CFD的计算精度，特别是在复杂地形条件下的计算结果的精度。近年来由于天气预报技术和计算机技术的发展，计算机的运算能力大幅度提高，中尺度天气预报模式得到迅速发展与广泛应用。中尺度天气预报模式是以观测数据和背景场预测数据或再分析数据为基础，通过同化和数值模拟生成规则格点数据的模式，所以具有观测数据的基础。用中尺度数值模拟的数据结果来构建微尺度数值模拟的边界条件，可以使得微尺度数值模拟边界条件具有实测数据基础，因而是国际国内研究人员研究的课题。但是，由于中尺度数值模拟输出的时间序列数据(通常不少于1年)数据量过于庞大，超出目前一般的计算机的运算能力，因此直接采用中尺度数值模拟的输出数据作为微尺度的边界条件(也即直接耦合方式)还不具有实用性。因此，如何根据大量的中尺度时间序列气象数据执行微尺度数值模拟、成为必须要解决的问题。针对相关技术中直接运用大量中尺度气象数据执行微尺度数据模拟运算量过大的技术问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种气象数据处理方法和装置，以至少解决相关技术中直接运用大量中尺度气象数据执行微尺度数据模拟运算量过大的技术问题。根据本专利技术实施例的一个方面，提供了一种气象数据处理方法，该方法包括：获取中尺度时间序列气象数据，其中，中尺度时间序列气象数据是对背景场数据和实测数据执行同化和中尺度数值模拟之后得到的数据；根据中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域并使微尺度水平模拟区域的边界之上或边界的预设范围内存在中尺度时间序列气象数据；将位于边界之上或边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合；生成初始中心点；基于初始中心点使用聚类算法将向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件；确定进行分组处理之后得到的每个向量组的中心点，其中，中心点用于产生微尺度数值模拟边界条件的向量。进一步地，根据中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域包括：在中尺度时间序列气象数据的格点分布的地域上确定至少覆盖目标区域的区域为微尺度水平模拟区域，其中，微尺度水平模拟区域为需要进行微尺度数值模拟的区域在水平面投影的矩形区域，微尺度水平模拟区域的边界在预设地理坐标系统中满足预设位置条件，且在微尺度水平模拟区域的边界之上或边界的预设范围内存在中尺度时间序列气象数据。进一步地，将位于边界之上或边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合包括：将每个时点对应的在边界之上或边界的预设范围内的中尺度时间序列气象数据转换为一个向量，以得到向量集合。进一步地，生成初始中心点为在不同的大气稳定度、不同的日间时段以及不同的季节的中尺度时间序列气象数据中随机产生。进一步地，中心点的分量属性与对应的一个向量组中每个向量的分量属性相同，其中，聚类算法用于提高中心点与对应的一个向量组中每个向量的相似度。进一步地，基于初始中心点使用聚类算法将向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件包括：根据聚类算法的分组结果计算有效性指标；判断聚类算法的分组结果的有效性指标是否满足预设条件，其中，有效性指标至少包括以下之一：每个向量组的相似度均值、每个向量组的相似度均方根偏差、任意两个向量组的中心点之间的相似度。进一步地，在判断聚类算法的分组结果的有效性指标是否满足预设条件之后，该方法还包括：如果判断出聚类算法的分组结果的有效性指标不满足预设条件，则对多个向量组中不满足预设条件的向量组进行合并或拆分以重新分组，并根据重新分组后的分组结果重新生成中心点；将重新生成的中心点作为初始中心点并使用聚类算法将向量集合进行分组处理直至分组结果的有效性指标满足预设条件。进一步地，相似度为由两个向量对应分量之间的正比例关系确定的标量。根据本专利技术实施例的另一方面，还提供了一种气象数据处理装置，该装置包括：获取单元，用于获取中尺度时间序列气象数据，其中，中尺度时间序列气象数据是对背景场数据和实测数据执行同化和中尺度数值模拟之后得到的数据；第一确定单元，用于根据中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域并使微尺度水平模拟区域的边界之上或边界的预设范围内存在中尺度时间序列气象数据；转换单元，用于将位于边界之上或边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合；生成单元，用于生成初始中心点；分组单元，用于基于初始中心点使用聚类算法将向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件；第二确定单元，用于确定进行分组处理之后得到的每个向量组的中心点，其中，中心点用于产生微尺度数值模拟边界条件的向量。进一步地，第一确定单元包括：确定模块，用于在中尺度时间序列气象数据的格点分布的地域上确定至少覆盖目标区域的区域为微尺度水平模拟区域，其中，微尺度水平模拟区域为需要进行微尺度数值模拟的区域在水平面投影的矩形区域，微尺度水平模拟区域的边界在预设地理坐标系统中满足预设位置条件，且在微尺度水平模拟区域的边界之上或边界的预设范围内存在中尺度时间序列气象数据。在本专利技术实施例中，通过获取中尺度时间序列气象数据，其中，中尺度时间序列气象数据是对背景场数据和实测数据执行同化和中尺度数值模拟之后得到的数据；根据中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域并使微尺度水平模拟区域的边界之上或边界的预设范围内存在中尺度时间序列气象数据；将位于边界之上或边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合；生成初始中心点；基于初始中心点使用聚类算法将向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件；确定进行分组处理之后得到的每个向量组的中心点，其中，中心点用于产生微尺度数值模拟边界条件的向量，解决了相关技术中直接运用大量中尺度气象数据执行微尺度数据模拟运算量过大的技术问题，进而实现了能够根据中尺度气象数据执行微尺度数值模拟的技术效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种可选的气象数据处理方法的流程图；图2是根据本专利技术实施例的另一种可选的气象数据处理方法的流程图；图3是根据本专利技术实施例的一种可选的预设区域的示意图；图4是根据本专利技术实施例的一种可选的气象数据处理装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方本文档来自技高网...

【技术保护点】
一种气象数据处理方法，其特征在于，包括：获取中尺度时间序列气象数据，其中，所述中尺度时间序列气象数据是对背景场数据和实测数据执行同化和中尺度数值模拟之后得到的数据；根据所述中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域并使所述微尺度水平模拟区域的边界之上或所述边界的预设范围内存在所述中尺度时间序列气象数据；将位于所述边界之上或所述边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合；生成初始中心点；基于所述初始中心点使用聚类算法将所述向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件；确定进行所述分组处理之后得到的每个向量组的中心点，其中，所述中心点用于产生微尺度数值模拟边界条件的向量。

【技术特征摘要】
1.一种气象数据处理方法，其特征在于，包括：获取中尺度时间序列气象数据，其中，所述中尺度时间序列气象数据是对背景场数据和实测数据执行同化和中尺度数值模拟之后得到的数据；根据所述中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域并使所述微尺度水平模拟区域的边界之上或所述边界的预设范围内存在所述中尺度时间序列气象数据；将位于所述边界之上或所述边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合；生成初始中心点；基于所述初始中心点使用聚类算法将所述向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件；确定进行所述分组处理之后得到的每个向量组的中心点，其中，所述中心点用于产生微尺度数值模拟边界条件的向量。2.根据权利要求1所述的方法，其特征在于，根据所述中尺度时间序列气象数据的格点分布确定与目标区域对应的微尺度水平模拟区域包括：在所述中尺度时间序列气象数据的格点分布的地域上确定至少覆盖所述目标区域的区域为所述微尺度水平模拟区域，其中，所述微尺度水平模拟区域为需要进行微尺度数值模拟的区域在水平面投影的矩形区域，所述微尺度水平模拟区域的边界在预设地理坐标系统中满足预设位置条件，且在所述微尺度水平模拟区域的边界之上或所述边界的预设范围内存在所述中尺度时间序列气象数据。3.根据权利要求1所述的方法，其特征在于，将位于所述边界之上或所述边界的预设范围内的中尺度时间序列气象数据进行转换并按预设顺序组成向量集合包括：将每个时点对应的在所述边界之上或所述边界的预设范围内的中尺度时间序列气象数据转换为一个向量，以得到所述向量集合。4.根据权利要求1所述的方法，其特征在于，生成初始中心点为在不同的大气稳定度、不同的日间时段以及不同的季节的中尺度时间序列气象数据中随机产生。5.根据权利要求1所述的方法，其特征在于，所述中心点的分量属性与对应的一个向量组中每个向量的分量属性相同，其中，所述聚类算法用于提高所述中心点与对应的一个向量组中每个向量的相似度。6.根据权利要求1所述的方法，其特征在于，基于所述初始中心点使用聚类算法将所述向量集合进行分组处理并使得到的多个向量组的有效性指标满足预设条件包括：根据所述聚类算法的分组结果计算有效性指标；...

【专利技术属性】
技术研发人员：彭涛，王东光，王建波，张敏，
申请(专利权)人：北京华风超越科技有限公司，
类型：发明
国别省市：北京,11