风场数据处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种风场数据处理方法、装置、设备及存储介质。包括：将初始风场数据转换为低分辨率灰度数据；将所述低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据；根据所述高分辨率灰度数据获取目标风场数据。本发明专利技术实施例公开的风场数据处理方法，将由初始风场数据转换为低分辨率灰度数据输入将低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据，以获得目标风场数据，无需超级计算机就可以实现风场数据的降尺度计算，可以降低风场数据处理的计算量，降低成本。成本。成本。

【技术实现步骤摘要】
风场数据处理方法、装置、设备及存储介质


[0001]本专利技术实施例涉及数据处理
，尤其涉及一种风场数据处理方法、装置、设备及存储介质。

技术介绍

[0002]在对风场进行预测时，通常的方式是按照一定的间距将预测区域划分为网格，并采集网格点上的风速，获得风场数据。过于粗糙的网格往往满足不了风场预测的精度，因此需要对风场数据进行降尺度计算。而降尺度计算由于参数多计算量大，所以就要风场数据的天气预测都要在超级计算机上去运行。对于很多不具备超级计算能力的计算机完全无法完成计算。超级计算机是十分昂贵的，对于大多数研究者来说难以负担。

技术实现思路

[0003]本专利技术实施例提供一种风场数据处理方法、装置、设备及存储介质，无需超级计算机就可以实现风场数据的降尺度计算，可以降低风场数据处理的计算量，降低成本。
[0004]第一方面，本专利技术实施例提供了一种风场数据处理方法，包括：
[0005]将初始风场数据转换为低分辨率灰度数据；
[0006]将所述低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据；其中，所述高分辨率是所述低分辨率的N倍，且N>1；
[0007]根据所述高分辨率灰度数据获取目标风场数据。
[0008]第二方面，本专利技术实施例还提供了一种风场数据处理装置，包括：
[0009]低分辨率灰度数据获取模块，用于将初始风场数据转换为低分辨率灰度数据；
[0010]高分辨率灰度数据获取模块，用于将所述低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据；其中，所述高分辨率是所述低分辨率的N倍，且N>1；
[0011]目标风场数据获取模块，用于根据所述高分辨率灰度数据获取目标风场数据。
[0012]第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例所述的风场数据处理方法。
[0013]本专利技术实施例公开了一种风场数据处理方法、装置、设备及存储介质。将初始风场数据转换为低分辨率灰度数据；将低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据；根据高分辨率灰度数据获取目标风场数据。本专利技术实施例公开的风场数据处理方法，将由初始风场数据转换为低分辨率灰度数据输入将低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据，以获得目标风场数据，无需超级计算机就可以实现风场数据的降尺度计算，可以降低风场数据处理的计算量，降低成本。
附图说明
[0014]图1是本专利技术实施例一中的一种风场数据处理方法的流程图；
[0015]图2是本专利技术实施例二中的超分辨率神经网络训练过程的示意图；
[0016]图3是本专利技术实施例二中的风场数据处理的示例图；
[0017]图4是本专利技术实施例三中的一种风场数据处理装置的结构示意图；
[0018]图5是本专利技术实施例四中的一种计算机设备的结构示意图。
具体实施方式
[0019]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0020]实施例一
[0021]图1为本专利技术实施例一提供的一种风场数据处理方法的流程图，本实施例可适用于将风场数据进行降尺度处理的情况，该方法可以由风场数据处理装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有风场数据处理功能的设备中。如图1所示，该方法具体包括如下步骤：
[0022]步骤110，将初始风场数据转换为低分辨率灰度数据。
[0023]其中，风场数据可以是由风速矩阵构成，灰度数据由灰度值矩阵构成。风速矩阵可以是对预测区域进行网格划分后，采集各网格点所在位置的风速构成的。例如：对预测区域按照25公里的长度进行网格划分，即网格的边长为25公里。
[0024]其中，风场数据中的风速包括大小和方向。低分辨率灰度数据可以理解为分辨率小于100*100的灰度数据，例如：40*40。其中，100*100和40*40表示图像的横向和纵向包含的像素点数量。本实施例中，将初始风场数据转换为低分辨率灰度数据的方式可以是：不考虑风速方向，只考虑风速大小，将初始风场数据对应的风速矩阵中的每个风速转换为灰度值；或者，在考虑风速方向的情况下，将初始风场数据分解为初始水平方向风场数据和初始垂直方向风场数据，将初始水平方向风场数据转换为低分辨率水平方向灰度数据，将初始竖直方向风场数据转换为低分辨率竖直方向灰度数据。
[0025]本实施例中，在将初始风场数据转换为低分辨率灰度数据之前，还包括如下步骤：获取风速的第一取值范围及灰度值的第二取值范围；根据第一取值范围与第二取值范围确定风速与灰度值间的映射关系。
[0026]其中，风速的第一取值范围可以根据预测区域的气候确定，例如：可以设置为[
‑
a,a]，a可以取30
‑
60之间的任意值。灰度值的第二取值范围为[0,255]。那么，风速与灰度值间的映射关系为其中，A为风速值，B对应的灰度值。
[0027]具体的，将初始风场数据转换为低分辨率灰度数据的过程可以是：根据映射关系将初始水平方向风场数据对应的风速矩阵中的每个水平方向风速转换为灰度值，获得低分辨率水平方向灰度数据；根据映射关系将初始竖直方向风场数据对应的风速矩阵中的每个竖直方向风速转换为灰度值，获得低分辨率竖直方向灰度数据。
[0028]本实施例中，在获得了风速矩阵中各风速值后，就可以根据风速与灰度值间的映射关系的映射关系将风速矩阵转换为灰度值矩阵，即将风场数据转换为低分辨率灰度数据。示例性的，假设风速的取值范围为[
‑
50,50]，初始水平方向风场数据对应的风速矩阵中
的其中一个水平方向风速为20，则其转换为的灰度值为即风速20对应的灰度值为178.5。对于初始水平方向风场数据对应的风速矩阵中的每个水平方向风速和初始竖直方向风场数据对应的风速矩阵中的每个竖直方向风速都按照上述方式转换，获得低分辨率水平方向灰度数据和低分辨率竖直方向灰度数据。
[0029]步骤120，将低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据。
[0030]其中，高分辨率灰度数据可以理解为分辨率大于100*100的灰度数据，例如：400*400。且高分辨率是低分辨率的N倍，N>1。例如：N取4。超分辨神经网络是经过训练的神经网络，可以实现数据的降尺度处理，可以由残差通道注意力模块(residual channel attention block，RCAB)组成。
[0031]本实施例中，对于未考虑风速方向的情况，可以直接将初始风场数据转换的低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据。对于考虑风速方向的情况，将低分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风场数据处理方法，其特征在于，包括：将初始风场数据转换为低分辨率灰度数据；将所述低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据；其中，所述高分辨率是所述低分辨率的N倍，且N>1；根据所述高分辨率灰度数据获取目标风场数据。2.根据权利要求1所述的方法，其特征在于，所述风场数据包括水平方向风场数据和竖直方向风场数据；将初始风场数据转换为低分辨率灰度数据，包括：将初始水平方向风场数据转换为低分辨率水平方向灰度数据；将初始竖直方向风场数据转换为低分辨率竖直方向灰度数据；相应的，将所述低分辨率灰度数据输入超分辨率神经网络，获得高分辨率灰度数据，包括：将所述低分辨率水平方向灰度数据输入所述超分辨率神经网络，获得高分辨率水平方向灰度数据；将所述低分辨率竖直方向灰度数据输入所述超分辨率神经网络，获得高分辨率竖直方向灰度数据；相应的，根据所述高分辨率灰度数据获取目标风场数据，包括：将所述高分辨率水平方向灰度数据转换为目标水平方向风场数据；将所述高分辨率竖直方向灰度数据转换为目标竖直方向风场数据；将所述目标水平方向风场数据和所述目标竖直方向风场数据合成为目标风场数据。3.根据权利要求2所述的方法，其特征在于，所述风场数据由风速矩阵构成，所述灰度数据由灰度值矩阵构成；在将初始风场数据转换为低分辨率灰度数据之前，还包括：获取风速的第一取值范围及灰度值的第二取值范围；根据所述第一取值范围与所述第二取值范围确定风速与灰度值间的映射关系。4.根据权利要求3所述的方法，其特征在于，将初始风场数据转换为低分辨率灰度数据，包括：根据所述映射关系将初始水平方向风场数据对应的风速矩阵中的每个水平方向风速转换为灰度值，获得低分辨率水平方向灰度数据；根据所述映射关系将初始竖直方向风场数据对应的风速矩阵中的每个竖直方向风速转换为灰度值，获得低分辨率竖直方向灰度数据。5.根据权利要求3所述的方法，其特征在于，将所述高分辨率水平方向灰度数据转换为目标水平方向风场数据；将所述高分辨率竖直方向灰度数据转换为目标竖直方向风场数据，包括：根据所述映...

【专利技术属性】
技术研发人员：马文男，徐麟，
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：