【技术实现步骤摘要】
本申请涉及但不限于数据处理、机器学习，尤其涉及一种多参量气象数据分析预测方法及系统。
技术介绍
1、随着科技的进步和气象探测手段的不断完善，出现面向复杂灾害性气象过程观测的高时空分辨率探测激光雷达系统，增加近红外偏振拉曼探测通道，有效集成“紫外-可见光-近红外”波长偏振拉曼探测技术及相干探测技术，提供温度、湿度、多波长气溶胶光学特性、多尺度动力学特性的全天候连续垂直剖面观测。基于此，对气溶胶演变转化研究预测气象模式成为气象学及相关领域的重要研究方向。然而，现有的气象模式预测方法在面对复杂多变的气象现象时，仍存在预测精度不足的问题。具体来说，传统的气象模式预测方法往往基于线性模型或统计模型，难以捕捉到气象数据中的非线性关系和复杂模式。而神经网络预测算法作为一种强大的机器学习工具，具有强大的非线性拟合能力，因此在气象模式预测中具有广阔的应用前景。如何提高神经网络预测算法在气象模式预测中的精度，克服现有算法在预测过程中被明显气溶胶演变现象引导而带来的预测精度不足的问题，成为当前亟待解决的技术难题。
技术实现思路
1、有鉴于此，本申请实施例至少提供一种多参量气象数据分析预测方法及系统。本申请实施例的技术方案是这样实现的：
2、一方面，本申请实施例提供一种多参量气象数据分析预测方法，所述方法包括：
3、从包括若干个气溶胶演变现象的近红外偏振拉曼探测信息库中，提取针对每一气溶胶演变现象的拟分析气象探测切片；
4、调取第一神经网络预测算法，提取所述近红外偏振拉
5、对于提取的针对每一气溶胶演变现象的拟分析气象探测切片，进行下述步骤：
6、调取第二神经网络预测算法，提取所述拟分析气象探测切片的演变现象表征向量，并依据所述演变现象表征向量，获得所述拟分析气象探测切片的第二气象模式预测信息，其中，所述第二神经网络预测算法的算法参数规模小于所述第一神经网络预测算法的算法参数规模；
7、依据所述第一气象模式预测信息，以及针对每一气溶胶演变现象的拟分析气象探测切片的第二气象模式预测信息，获得指引所述近红外偏振拉曼探测信息库是否为目标气象模式的气象模式预测信息。
8、在一些实施例中，所述从包括若干个气溶胶演变现象的近红外偏振拉曼探测信息库中，提取针对每一气溶胶演变现象的拟分析气象探测切片，包括：
9、在近红外偏振拉曼探测信息库中，依据各个初始信息记录点各自的分析概率，选取满足概率挑选指标的多个目标信息记录点；其中，每个分析概率表示相应初始信息记录点归于一个气溶胶演变现象的成分信息点的可能性，每个目标信息记录点为一个气溶胶演变现象的成分信息点；
10、依据所述多个目标信息记录点各自的记录点布局信息，确定所述近红外偏振拉曼探测信息库包含的若干个气溶胶演变现象各自的演变现象布局信息；
11、针对所述若干个气溶胶演变现象，分别进行下述步骤：
12、依据一个气溶胶演变现象的演变现象布局信息，从所述近红外偏振拉曼探测信息库中，提取所述一个气溶胶演变现象的拟分析气象探测切片。
13、在一些实施例中，所述在近红外偏振拉曼探测信息库中，依据各个初始信息记录点各自的分析概率，选取满足概率挑选指标的多个目标信息记录点，包括：
14、在所述近红外偏振拉曼探测信息库中，分别依据每个初始信息记录点和其余初始信息记录点之间的相互关系，获得所述每个初始信息记录点各自的分析概率；
15、在获得的各个分析概率中确定满足设定对照概率的多个目标分析概率，并将所述多个目标分析概率各自对应的初始信息记录点，各自作为目标信息记录点。
16、在一些实施例中，所述在所述近红外偏振拉曼探测信息库中，分别依据每个初始信息记录点和其余初始信息记录点之间的相互关系，获得所述每个初始信息记录点各自的分析概率，包括：
17、对于所述近红外偏振拉曼探测信息库中的每一初始信息记录点，分别进行下述步骤：
18、依据预设的s个气象参量，各自提取一个初始信息记录点对于每一气象参量各自对应的参量数值，获得所述一个初始信息记录点的s个参量数值；其中，s≥1；
19、获取所述一个初始信息记录点关联的s个影响力参数，并根据所述s个影响力参数，对所述s个参量数值进行权重平均，获得所述一个初始信息记录点的分析概率；其中，一个影响力参数表示依据相应气象参量，所述一个初始信息记录点和其余初始信息记录点之间的相互关系。
20、在一些实施例中，所述依据一个气溶胶演变现象的演变现象布局信息，从所述近红外偏振拉曼探测信息库中，提取所述一个气溶胶演变现象的拟分析气象探测切片，包括：
21、依据所述近红外偏振拉曼探测信息库的数据容量，获得适配的初始蒙版数据层；所述初始蒙版数据层中每个数据点与所述近红外偏振拉曼探测信息库中一个初始信息记录点相对应；
22、在所述初始蒙版数据层中，将一个气溶胶演变现象对比于所述近红外偏振拉曼探测信息库的遗缺段落，替换成蒙版标签，并将所述一个气溶胶演变现象的对应数据段落，替换成非蒙版标签，获得目标蒙版数据层；
23、根据所述目标蒙版数据层，对所述近红外偏振拉曼探测信息库中的各个初始信息记录点进行蒙版处理，获得参考切片；
24、针对所述参考切片，提取所述一个气溶胶演变现象所在的数据段落，获得包含一个气溶胶演变现象的拟分析气象探测切片。
25、在一些实施例中，所述第一气象模式预测信息表示近红外偏振拉曼探测信息库为目标气象模式的第一可能性值，所述第二气象模式预测信息表示相应拟分析气象探测切片为目标气象模式切片的第二可能性值；
26、所述依据所述第一气象模式预测信息，以及针对每一气溶胶演变现象的拟分析气象探测切片的第二气象模式预测信息，获得指引所述近红外偏振拉曼探测信息库是否为目标气象模式的气象模式预测信息，包括：
27、若所述第一可能性值小于第一可能性阈值，以及各所述第二可能性值全部小于第二可能性阈值，获得第一气象模式预测信息；所述第一气象模式预测信息表示所述近红外偏振拉曼探测信息库为非目标气象模式；
28、若所述第一可能性值不小于第一可能性阈值，以及各所述第二可能性值全都不小于第二可能性阈值时，获得第二气象模式预测信息；所述第二气象模式预测信息表示所述近红外偏振拉曼探测信息库为目标气象模式；
29、若所述第一可能性值小于第一可能性阈值，以及任一所述第二可能性值不小于第二可能性阈值时，获得第二气象模式预测信息；所述第二气象模式预测信息表示所述近红外偏振拉曼探测信息库为目标气象模式，所述第一可能性阈值小于所述第二可能性阈值；
30、若所述第一可能性值不小于第一可能性阈值，以及各所述第二可能性值全部小于第二可能性阈值时，获得第一气象模式预测信息；所述第一气象模式预测信息本文档来自技高网...
【技术保护点】
1.一种多参量气象数据分析预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从包括若干个气溶胶演变现象的近红外偏振拉曼探测信息库中，提取针对每一气溶胶演变现象的拟分析气象探测切片，包括：
3.根据权利要求2所述的方法，其特征在于，所述在近红外偏振拉曼探测信息库中，依据各个初始信息记录点各自的分析概率，选取满足概率挑选指标的多个目标信息记录点，包括：
4.根据权利要求3所述的方法，其特征在于，所述在所述近红外偏振拉曼探测信息库中，分别依据每个初始信息记录点和其余初始信息记录点之间的相互关系，获得所述每个初始信息记录点各自的分析概率，包括：
5.根据权利要求2所述的方法，其特征在于，所述依据一个气溶胶演变现象的演变现象布局信息，从所述近红外偏振拉曼探测信息库中，提取所述一个气溶胶演变现象的拟分析气象探测切片，包括：
6.根据权利要求1所述的方法，其特征在于，所述第一气象模式预测信息表示近红外偏振拉曼探测信息库为目标气象模式的第一可能性值，所述第二气象模式预测信息表示相应拟分析气象探测切片为目
7.根据权利要求1所述的方法，其特征在于，所述第一神经网络预测算法是依据第一先验知识模板集优化得到，其中，所述第一先验知识模板集中的每一第一先验知识模板包括一个包含若干个气溶胶演变现象的近红外偏振拉曼探测信息库样本和相应的近红外偏振拉曼探测信息库样本标签；
8.根据权利要求1～7任一项所述的方法，其特征在于，所述第一神经网络预测算法的优化过程包括：
9.根据权利要求1～7任一项所述的方法，其特征在于，所述第二神经网络预测算法的过程包括：
10.一种计算机系统，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述方法中的步骤。
...【技术特征摘要】
1.一种多参量气象数据分析预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从包括若干个气溶胶演变现象的近红外偏振拉曼探测信息库中，提取针对每一气溶胶演变现象的拟分析气象探测切片，包括：
3.根据权利要求2所述的方法，其特征在于，所述在近红外偏振拉曼探测信息库中，依据各个初始信息记录点各自的分析概率，选取满足概率挑选指标的多个目标信息记录点，包括：
4.根据权利要求3所述的方法，其特征在于，所述在所述近红外偏振拉曼探测信息库中，分别依据每个初始信息记录点和其余初始信息记录点之间的相互关系，获得所述每个初始信息记录点各自的分析概率，包括：
5.根据权利要求2所述的方法，其特征在于，所述依据一个气溶胶演变现象的演变现象布局信息，从所述近红外偏振拉曼探测信息库中，提取所述一个气溶胶演变现象的拟分析气象探测切片，包括：
6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：李佳，刘钧，舒仕江，陈玉宝，王柏林，王宣，
申请(专利权)人：中国华云气象科技集团有限公司，
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。