一种构建高铁沿线风速预报模型的方法及装置制造方法及图纸

本发明专利技术提供了一种构建高铁沿线风速预报模型的方法及装置，其中，该构建高铁沿线风速预报模型的方法包括：获取高铁沿线各气象观测站的气象要素观测数据以及地面信息数据；依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构；依据各采集周期的空间图结构，基于时间近邻关系建立三维时空图结构；基于地面信息数据以及三维时空图结构，构建多模式特征提取图卷积网络；依据获取的气象要素观测数据以及地面信息数据，对构建的多模式特征提取图卷积网络进行训练，得到风速预报模型。可以提高风速预报的准确性。报的准确性。报的准确性。

【技术实现步骤摘要】
一种构建高铁沿线风速预报模型的方法及装置


[0001]本专利技术涉及气象预报
，具体而言，涉及一种构建高铁沿线风速预报模型的方法及装置。

技术介绍

[0002]高铁具有运行速度快、安全性好、正点率高等特性，受到出行旅客的广泛喜爱。但高铁在运行过程中，极易受瞬时大风等恶劣天气影响，例如，当风速较大时，强风可导致高铁的动力系统和信号系统故障，严重时可造成高铁侧翻。因而，对高铁沿线的风速进行预测预报，以使高铁依据预测预报的风速采取相应的措施，对保障旅客的生命财产安全尤为重要。
[0003]目前，一般采用基于气象学原理的持续法、卡尔曼滤波法、自回归滑动平均法、基于机器学习原理的多层感知机法、支持向量机法、卷积网络法等，构建针对高铁沿线的每一气象观测站点的风速预报模型，从而实现对不同气象要素环境下高铁运营状态的在线监控和风险评估。但该风速预报方法，每一风速预报模型基于该气象观测站点的气象要素观测信息进行预报，各气象观测站点相互独立，而在实际应用中，各观测站点具有时空关联性，使得针对每一气象观测站点的风速预报的准确性不高。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供构建高铁沿线风速预报模型的方法及装置，以提高风速预报的准确性。
[0005]第一方面，本专利技术实施例提供了构建高铁沿线风速预报模型的方法，包括：获取高铁沿线各气象观测站的气象要素观测数据以及地面信息数据；依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构；依据各采集周期的空间图结构，基于时间近邻关系建立三维时空图结构；基于地面信息数据以及三维时空图结构，构建多模式特征提取图卷积网络；依据获取的气象要素观测数据以及地面信息数据，对构建的多模式特征提取图卷积网络进行训练，得到风速预报模型。
[0006]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构，包括：获取气象观测站之间的空间位置关系；依据收集的气象要素观测数据的维度以及气象观测站之间的空间位置关系，构建基于采集周期的空间图结构。
[0007]结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的
空间图结构，包括：计算第一气象观测站的气象要素观测数据与第二气象观测站的气象要素观测数据之间的相似度度量；基于相似度度量，获取第一气象观测站与第二气象观测站之间的空间位置更新关系；基于空间位置更新关系以及气象要素观测数据的维度，构建空间图结构。
[0008]结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述基于地面信息数据以及三维时空图结构，构建多模式特征提取图卷积网络，包括：依据地面信息数据，对气象观测站之间的空间位置关系进行连接关系订正；基于地面信息数据的维度以及进行连接关系订正后的气象观测站之间的空间位置关系，构建固定图结构；利用多层级图卷积网络对构建的固定图结构进行特征提取，得到特征图；将特征图叠加拼接至三维时空图结构，构建多模式特征提取图卷积网络。
[0009]结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述依据获取的气象要素观测数据以及地面信息数据，对构建的多模式特征提取图卷积网络进行训练，得到风速预报模型，包括：初始化构建的基于图卷积网络的多模式特征提取图卷积网络的参数；固定多模式特征提取图卷积网络的参数中的观测站权重，基于气象要素观测数据以及地面信息数据，利用反向传播算法优化多模式特征提取图卷积网络的参数中的每一层的网络参数；固定多模式特征提取图卷积网络的参数中的每一层的网络参数，基于气象要素观测数据以及地面信息数据，利用反向传播算法优化多模式特征提取图卷积网络的参数中的观测站权重；判断多模式特征提取图卷积网络是否满足预先设置的阈值条件，若满足，将该多模式特征提取图卷积网络作为风速预报模型。
[0010]结合第一方面、第一方面的第一种可能的实施方式至第四种可能的实施方式中的任一种可能的实施方式，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，所述方法还包括：以高铁沿线各气象观测站在一个或多个历史时刻采集的气象要素数据和地面信息数据作为风速预报模型的输入，得到风速预报模型输出的预报风速。
[0011]结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述方法还包括：将气象观测站所在空间区域均匀地划分为由各规则格点组成的规则格点域；选取与气象观测站最邻近的规则格点，得到该气象观测站对应的规则格点；将预报风速投影至规则格点域，得到规则格点风速；利用地面信息数据，对规则格点风速进行订正；对订正后的规则格点预报风速进行张量低秩分解，得到预报校正风速。
[0012]第二方面，本专利技术实施例还提供了一种构建高铁沿线风速预报模型的装置，包括：数据获取模块，用于获取高铁沿线各气象观测站的气象要素观测数据以及地面信
息数据；空间图构建模块，用于依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构；时空图构建模块，用于依据各采集周期的空间图结构，基于时间近邻关系建立三维时空图结构；网络构建模块，用于基于地面信息数据以及三维时空图结构，构建多模式特征提取图卷积网络；模型生成模块，用于依据获取的气象要素观测数据以及地面信息数据，对构建的多模式特征提取图卷积网络进行训练，得到风速预报模型。
[0013]第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0014]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。
[0015]本专利技术实施例提供的构建高铁沿线风速预报模型的方法及装置，通过获取高铁沿线各气象观测站的气象要素观测数据以及地面信息数据；依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构；依据各采集周期的空间图结构，基于时间近邻关系建立三维时空图结构；基于地面信息数据以及三维时空图结构，构建多模式特征提取图卷积网络；依据获取的气象要素观测数据以及地面信息数据，对构建的多模式特征提取图卷积网络进行训练，得到风速预报模型。这样，利用各气象观测站的气象要素观测数据和地面信息数据，以及，各气象观测站的空间位置关系以及时间近邻关系构建风速预报模型，能够有效提升风速预报的准确性。
[0016]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0017]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种构建高铁沿线风速预报模型的方法，其特征在于，包括：获取高铁沿线各气象观测站的气象要素观测数据以及地面信息数据；依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构；依据各采集周期的空间图结构，基于时间近邻关系建立三维时空图结构；基于地面信息数据以及三维时空图结构，构建多模式特征提取图卷积网络；依据获取的气象要素观测数据以及地面信息数据，对构建的多模式特征提取图卷积网络进行训练，得到风速预报模型。2.根据权利要求1所述的方法，其特征在于，所述依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构，包括：获取气象观测站之间的空间位置关系；依据收集的气象要素观测数据的维度以及气象观测站之间的空间位置关系，构建基于采集周期的空间图结构。3.根据权利要求1所述的方法，其特征在于，所述依据各气象观测站的空间位置关系以及气象要素观测数据的维度，构建基于采集周期的空间图结构，包括：计算第一气象观测站的气象要素观测数据与第二气象观测站的气象要素观测数据之间的相似度度量；基于相似度度量，获取第一气象观测站与第二气象观测站之间的空间位置更新关系；基于空间位置更新关系以及气象要素观测数据的维度，构建空间图结构。4.根据权利要求1所述的方法，其特征在于，所述基于地面信息数据以及三维时空图结构，构建多模式特征提取图卷积网络，包括：依据地面信息数据，对气象观测站之间的空间位置关系进行连接关系订正；基于地面信息数据的维度以及进行连接关系订正后的气象观测站之间的空间位置关系，构建固定图结构；利用多层级图卷积网络对构建的固定图结构进行特征提取，得到特征图；将特征图叠加拼接至三维时空图结构，构建多模式特征提取图卷积网络。5.根据权利要求1所述的方法，其特征在于，所述依据获取的气象要素观测数据以及地面信息数据，对构建的多模式特征提取图卷积网络进行训练，得到风速预报模型，包括：初始化构建的基于图卷积网络的多模式特征提取图卷积网络的参数；固定多模式特征提取图卷积网络的参数中的观测站权重，基于气象要素观测数据以及地面信息数据，利用反向传播算法优化多模式特征提取图卷积网络的参数中...

【专利技术属性】
技术研发人员：于廷照，匡秋明，胡骏楠，
申请(专利权)人：中国气象局公共气象服务中心国家预警信息发布中心，
类型：发明
国别省市：