【技术实现步骤摘要】
本专利技术属于气象预测模型构建领域，尤其是涉及一种基于gnss掩星数据校正的多智能气象模型融合方法。
技术介绍
1、上世纪20年代以来，特别是近三十年随着算力的迅速发展，数值天气预报在每日天气预报、极端灾害预警、气候变化预测等领域取得了巨大的成功。但是随着算力增长的趋缓和物理模型的逐渐复杂化，传统数值预报的瓶颈日益突出。研究者们开始挖掘新的气象预报方式如使用人工智能方法预测未来天气。通过对数量更多、质量更高和实况更新的数据进行训练，利用人工智能补充和改进气象预报等研究领域发展迅速。
2、gnss掩星数据具有全球覆盖性好、垂直分辨率高（近地面约0.1km，对流层顶附近约1km）、探测误差小（温度随机误差约1k、系统误差约0.2k）、无偏性（可作为微波、红外等气象卫星探测数据的标定基准）等特点，经质控、反演等处理后可直接同化应用于现有全球/区域数值天气预报系统等气象海洋业务系统，显著提升气象预报准确性。目前三维智能气象预报模型预测结果各有优势，但仍存在现有三维智能气象模型中对实际观测值应用不足的问题。
技术实现思路
1、有鉴于此，本专利技术旨在提出一种基于gnss掩星数据校正的多智能气象模型融合方法，以解决现有三维智能气象模型中对实际观测值应用不足的问题。
2、为达到上述目的，本专利技术的技术方案是这样实现的：
3、一种基于gnss掩星数据校正的多智能气象模型融合方法，包括以下步骤：
4、s1、获取p模型和f模型的初始背景场数据以及gns
5、s2、对步骤s1中获取的数据进行处理；
6、s3、对步骤s2中处理后的数据进行插值；
7、s4、对步骤s3中插值后的数据进行构建优化模型；
8、s5、基于步骤s4优化后的模型数据返回步骤s1处理形成气象预报；
9、在步骤s1中，获取p模型和f模型的初始背景场数据以及gnss掩星数据，包括：
10、s11、获取era5再分析数据，并将该数据分别作为p模型和f模型的初始背景场；
11、s12、令初始时刻t=0；
12、s13、令当前时刻t=t，驱动p模型和f模型，获取当前时刻t的p模型输出产品和f模型输出产品，产品信息为：
13、p模型：经度坐标lonp、纬度坐标latp、压强prep、温度tmpp、比湿shp；
14、f模型：经度坐标lonf、纬度坐标latf、压强pref、温度tmpf、相对湿度rhf；
15、s14、获取当前时刻t的实际观测值gnss掩星数据，产品信息包括：
16、经度坐标lonro、纬度坐标latro、压强prero、折射率refro。
17、进一步的，在步骤s2中，对步骤s1中获取的数据进行处理，包括：
18、s21、计算p模型湿压wpp，计算方法为：
19、；
20、s22、计算f模型湿压wpf，计算方法为：
21、；
22、其中，e为水蒸气分压，计算方法为：
23、；
24、其中，ewater、eice分别为水蒸气相对于水和冰的饱和分压，α为混合相位参数，计算方法分别为：
25、；
26、；
27、；
28、其中，e为自然底数；
29、s23、分别计算p模型和f模型折射率refp、reff，计算方法分别为：
30、；
31、。
32、进一步的，在步骤s3中，对步骤s2中处理后的数据进行插值，包括：
33、s31、固定设定压强值，分别根据gnss掩星数据经度坐标lonro、纬度坐标latro随压强的变化关系，插值得到设定压强处的经度坐标lons和纬度坐标lats；
34、s32、将折射率refp、reff和refro分别插值到经度坐标lons和纬度坐标lats上，依次得到步骤s4所示优化模型的输入数据yp、yf和yro。
35、进一步的，在步骤s4中，对步骤s3中插值后的数据进行构建优化模型，包括：
36、s41、计算损失函数d：
37、；
38、其中，yp、yf、yro的数据量均为n，第i个数据分别记做ypi、yfi、yroi；
39、s42、利用求解d最小值的最小二乘法计算待拟合系数a、b和c，计算方法为：
40、<mstyle displaystyle="true" mathcolor="#000000"><mtable><mtr><mtd><mo>{</mo><mtable><mtr><mtd><mfrac><mrow><mi>∂</mi><mi>d</mi></mrow><mrow><mi>∂</mi><mi>a</mi></mrow></mfrac><mi>=</mi><mi>a</mi><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow><mi>i</mi><mi>=</mi><mn>1</mn></mrow><mi>n</mi></munderover><mrow><mrow><mo>(</mo><msubsup><mi>y</mi><mi>pi</mi><mn>2</mn></msubsup><mo>)</mo></mrow><mo>+</mo><mi>b</mi><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow><mi>i</mi><mi>=</mi><mn>1</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><mrow><msub>&本文档来自技高网...
【技术保护点】
1.基于GNSS掩星数据校正的多智能气象模型融合方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于GNSS掩星数据校正的多智能气象模型融合方法，其特征在于：在步骤S2中，对步骤S1中获取的数据进行处理，包括：
3.根据权利要求2所述的基于GNSS掩星数据校正的多智能气象模型融合方法，其特征在于：在步骤S3中，对步骤S2中处理后的数据进行插值，包括：
4.根据权利要求3所述的基于GNSS掩星数据校正的多智能气象模型融合方法，其特征在于：在步骤S4中，对步骤S3中插值后的数据进行构建优化模型，包括：
5.根据权利要求4所述的基于GNSS掩星数据校正的多智能气象模型融合方法，其特征在于：在步骤S5中，基于步骤S4优化后的模型数据返回步骤S1处理形成气象预报，包括：
6.根据权利要求5所述的基于GNSS掩星数据校正的多智能气象模型融合方法，其特征在于：多源三维智能气象模型包括P模型和F模型，其中P模型为Pangu模型，F模型为FourCastNet模型。
7.根据权利要求3所述的基于GNSS掩星数据校正的
...【技术特征摘要】
1.基于gnss掩星数据校正的多智能气象模型融合方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于gnss掩星数据校正的多智能气象模型融合方法，其特征在于：在步骤s2中，对步骤s1中获取的数据进行处理，包括：
3.根据权利要求2所述的基于gnss掩星数据校正的多智能气象模型融合方法，其特征在于：在步骤s3中，对步骤s2中处理后的数据进行插值，包括：
4.根据权利要求3所述的基于gnss掩星数据校正的多智能气象模型融合方法，其特征在于：在步骤s4中，对步骤s3中插值后的数据进行构建优化...
【专利技术属性】
技术研发人员：管文婷，付乃锋，李峰辉，程艳，哈琳，李兴国，王鹏程，闫明明，黄满义，李一路，侯凯强，玛娜卓玛，赵裕慧，张嘉祺，蔡秋卓，贾美英，曹凯，
申请(专利权)人：天津云遥宇航科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。