气象要素的预测方法及设备技术

本申请提供了一种气象要素的预测方法及设备，能够根据多个气象站的气象要素信息生成气象要素图的序列，再将气象要素图的序列输入预先构建的气象要素预测模型，获得预测的气象要素图的序列，再根据预测序列确定多个气象站各自对应的气象要素的预测序列，从而实现了未来的气象要素预测，能够提高气象要素预测的准确性，降低了气象要素预测的计算复杂性，提高了气象要素预测的实时性。

【技术实现步骤摘要】
气象要素的预测方法及设备
本申请涉及天气预报领域，尤其涉及一种气象要素的预测方法及设备。
技术介绍
当前，中国在气象数据采集方面已经走在世界前列，截止2018年底，中国已经拥有6万多个自动气象站，覆盖95.6％的乡镇，气象站数量及密度已达到世界第一。高密度、大范围采集的气象数据为天气预报提供了丰富的基础数据，也对气象数据处理和天气预报方法提出了更高的要求。现有的气象预报方法主要为数值计算方法，需要在高性能计算平台上进行海量公式的数值求解，计算量非常大而且计算时间长，气象预报的实时性难以得到保障。其它的气象预报方法如通过传统的贝叶斯网络进行气象预报等，这些现有的气象预报方法都不同程度地存在气象要素预测准确性不高的问题，难以满足未来气象预报的需求。
技术实现思路
本申请的一个目的是提供一种气象要素的预测方法及设备，用于解决现有技术下气象要素预测不准确的问题。为实现上述目的，本申请提供了一种气象要素的预测方法，其中，该方法包括：根据多个气象站的气象要素信息，生成气象要素图的序列；将所述气象要素图的序列输入预先构建的气象要素预测模型，获取预测的气象要素图的序列；根据所述预测的气象要素图的序列，确定多个所述气象站的气象要素对应的预测序列。进一步地，根据多个气象站的气象要素信息，生成气象要素图的序列，包括：根据多个气象站的地理信息，确定气象要素图的节点和边，其中，所述地理信息包括如下一种或多种的任意组合：地理位置信息、区域地貌信息；根据多个气象站的气象要素信息对应的采集时间，生成与所述采集时间对应的气象要素图；根据所述采集时间对多张所述气象要素图进行排序，生成气象要素图的时间序列。进一步地，根据多个气象站的地理信息，确定气象要素图的节点和边，包括：将多个所述气象站作为所述气象要素图中的节点，所述气象站的地理位置信息作为对应节点的位置信息；根据两个所述节点的位置信息确定两者之间的距离信息，根据所述距离信息生成所述气象要素图中两个所述节点之间的边。进一步地，根据多个气象站的地理信息，确定气象要素图的节点和边，包括：将多个所述气象站作为所述气象要素图中的节点，所述气象站的区域地貌信息作为对应节点的地貌信息；根据两个所述节点的地貌信息，生成所述气象要素图中两个所述节点之间的边。进一步地，根据所述采集时间对多张所述气象要素图进行排序，生成气象要素图的时间序列，包括：获取对应第一采集时间的第一气象要素图，并将所述第一气象要素图加入到气象要素图的时间序列；获取对应第二采集时间的第二气象要素图，其中，所述第二采集时间为所述第一采集时间之后的时刻；将所述第二气象要素图加入到所述气象要素图的时间序列，并且所述第二气象要素图与所述第一气象要素图的相对位置根据预先设定的排序方式确定。进一步地，所述气象要素预测模型的预先构建步骤，包括：获取用于训练的气象要素图的序列；将所述用于训练的气象要素图的序列依次输入循环神经网络，所述循环神经网络中的重复模块通过门结构对所述用于训练的气象要素图的序列进行预测，得到用于训练的气象要素图的预测序列；将所述预测序列与对应的真实值序列进行比较，根据比较结果调整所述循环神经网络的参数；在满足预设的训练终止条件时，将当前所述循环神经网络的参数作为所述气象要素预测模型的参数。进一步地，所述循环神经网络为基于图的长短期记忆网络或基于图的门循环单元网络。进一步地，所述重复模块使用如下公式：ht＝Ot⊙tanh(ct)，其中，it为t时间输入门的输出，ft为t时间遗忘门的输出，ct为t时间细胞状态的输出，Ot为t时间输出门的输出，ht为t时间隐藏特征的输出，xt为t时间的输入，Wxi，Whi，ωci，Wxf，Whf，ωcf，Wxc，Whc，Wxo，Who，ωco为模型参数，为图卷积操作，bi，bf，bc，bo为偏置参数。基于本申请的另一方面，本申请还提供了一种设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，使该设备执行前述气象要素的预测方法。本申请还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现前述气象要素的预测方法。与现有技术相比，本申请提供的方案能够根据多个气象站的气象要素信息生成气象要素图的序列，再将气象要素图的序列输入预先构建的气象要素预测模型，获得预测的气象要素图的序列，再根据预测序列确定多个气象站各自对应的气象要素的预测序列，从而实现了未来的气象要素预测，能够提高气象要素预测的准确性，降低了气象要素预测的计算复杂性，提高了气象要素预测的实时性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本申请的一些实施例提供的一种气象要素的预测方法的流程示意图；图2为本申请的一些实施例提供的气象要素图的结构示意图。具体实施方式下面结合附图对本申请作进一步详细描述。在本申请一个典型的配置中，终端、网络设备均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。图1示出了本申请的一些实施例提供的一种气象要素的预测方法，该方法具体可包括如下步骤：步骤S101，根据多个气象站的气象要素信息，生成气象要素图的序列；步骤S102，将所述气象要素图的序列输入预先构建的气象要素预测模型，获取预测的气象要素图的序列；步骤S103，根据所述预测的气象要素图的序列，确定多个所述气象站的气象要素对应的预测序列。该方案尤其适合用于希望根据多个气象站的气象要素数据进行气象预报的场景，能够根据多个气象站的气象要素信息生成气象要素图的序列本文档来自技高网...

【技术保护点】
1.一种气象要素的预测方法，其中，该方法包括：/n根据多个气象站的气象要素信息，生成气象要素图的序列；/n将所述气象要素图的序列输入预先构建的气象要素预测模型，获取预测的气象要素图的序列；/n根据所述预测的气象要素图的序列，确定多个所述气象站的气象要素对应的预测序列。/n

【技术特征摘要】
1.一种气象要素的预测方法，其中，该方法包括：
根据多个气象站的气象要素信息，生成气象要素图的序列；
将所述气象要素图的序列输入预先构建的气象要素预测模型，获取预测的气象要素图的序列；
根据所述预测的气象要素图的序列，确定多个所述气象站的气象要素对应的预测序列。


2.根据权利要求1所述的方法，其中，根据多个气象站的气象要素信息，生成气象要素图的序列，包括：
根据多个气象站的地理信息，确定气象要素图的节点和边，其中，所述地理信息包括如下一种或多种的任意组合：地理位置信息、区域地貌信息；
根据多个气象站的气象要素信息对应的采集时间，生成与所述采集时间对应的气象要素图；
根据所述采集时间对多张所述气象要素图进行排序，生成气象要素图的时间序列。


3.根据权利要求2所述的方法，其中，根据多个气象站的地理信息，确定气象要素图的节点和边，包括：
将多个所述气象站作为所述气象要素图中的节点，所述气象站的地理位置信息作为对应节点的位置信息；
根据两个所述节点的位置信息确定两者之间的距离信息，根据所述距离信息生成所述气象要素图中两个所述节点之间的边。


4.根据权利要求2所述的方法，其中，根据多个气象站的地理信息，确定气象要素图的节点和边，包括：
将多个所述气象站作为所述气象要素图中的节点，所述气象站的区域地貌信息作为对应节点的地貌信息；
根据两个所述节点的地貌信息，生成所述气象要素图中两个所述节点之间的边。


5.根据权利要求2所述的方法，其中，根据所述采集时间对多张所述气象要素图进行排序，生成气象要素图的时间序列，包括：
获取对应第一采集时间的第一气象要素图，并将所述第一气象要素图加入到气象要素图的时间序列；
获取对应第二采集时间的第二气象要素图，其中，所述第二采集时间为所述第一采集时间之后...

【专利技术属性】
技术研发人员：周康明，郜杰，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31