【技术实现步骤摘要】
本专利技术属于气象科学技术和数据科学，尤其是涉及一种基于多源异构时空数据的稀疏空间风矢量场异常预警方法。
技术介绍
1、在气象科学领域，特别是在风矢量场分析和预警系统的开发中，存在一些关键挑战，这些挑战主要源于数据获取的困难、数据质量的不一致性以及数据处理的复杂性。随着技术的进步，多源异构时空数据的利用已成为解决这些问题的重要途径。
2、在广阔的地理区域或难以接触的地区，传统的气象观测设备可能无法全面覆盖，导致获取的风矢量数据稀疏。这种稀疏性限制了气象模型在这些区域的精确性和可靠性。
3、现代气象预测涉及到从多种数据源(如地面站、卫星、飞机、探空气球等)收集数据。这些数据源在时间分辨率、空间分辨率、测量技术和数据格式上存在显著差异，集成这些异构数据成为一大挑战。快速处理大量实时气象数据并生成准确的预警信息是提高气象服务效率和减少天气相关灾害风险的关键。然而，现有的技术往往在数据处理速度、预警响应时间和应用空间上存在限制。
技术实现思路
1、有鉴于此，本专利技术旨在克服现有技术中上述问题的不足之处，提出一种基于多源异构时空数据的稀疏空间风矢量场异常预警方法，该方法可以综合多源异构时空数据，增强数据稀疏空间的风矢量场异常预警能力。
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、本专利技术第一方面提供了基于多源异构时空数据的稀疏空间风矢量场异常预警方法，包括如下步骤：
4、步骤s1:获取多源异构时空风矢量数据，根据
5、步骤s2：基于地理分布特性构建多尺度地理时空加权自回归模型，结合静态特征、周期特征和时变特征构建基准模型及其周期波动特性和机会数据衰减特性，确定权重更新模型；
6、步骤s3：使用亥姆霍兹定理将矢量场分解为散度场和旋度场，基于目标区域中历史异常事件的在散度场中的特征和旋度场中的特征，构建区域风矢量场异常预警先导特征集；
7、步骤s4：在稀疏空间连通域边界栅格处计算风场通量，使用物理信息神经网络构造流体动力学约束和大气科学的先验知识约束，使用高斯过程回归拟合的稀疏空间联通域中的散度特征和旋度特征；
8、步骤s5：进行四维时空数据变分同化与稀疏空间边界通量的更新，所述四维时空数据变分同化过程中，基于当前时刻的观测数据，与上一时刻的模型参数在当前时刻的响应，结合物理信息神经网络的流体动力学约束条件，对稀疏空间中各连通域的边界通量进行修正；
9、步骤s6：进行基于区域预警先导特征匹配的异常风场预警，将当前风场特征和预警先导特征集进行匹配，根据匹配度阈值，当风场样本的异常概率超过该阈值时，系统发出预警。
10、进一步的，所述步骤s1具体包括：
11、获取多源异构时空风矢量数据包括由陆基观测设备、机载观测设备、气象卫星、探空气球以及其他能够测量风速和风向的观测设备所提供的数据；
12、根据各类数据的空间分辨率特征，依据观测精度对数据进行空间尺度划分，将数据划分为高分辨率、中分辨率和低分辨率多个层次；
13、在时间分辨率方面，根据采样频率及机会窗口长度对数据进行时间尺度划分，将数据划分为高频采样数据、低频采样数据、机会数据；所述机会数据为在机会事件发生时的事件窗口内采集的非周期性观测数据，包括在目标区域内航路上由机载观测设备获取的观测数据、探空气球所收集的观测数据；
14、在每个划分尺度层次内，对空间和时间分辨率进行栅格化处理，将观测数据按照预设的网格单元重新分布，以实现不同数据源在统一的空间和时间尺度上进行融合，实现对多尺度数据进行标准化处理，生成格式统一的多尺度数据栅格。
15、进一步的，所述步骤s2具体包括：
16、基于目标区域内的各类观测设备的地理分布特性，包括陆基观测设备的地理位置分布、气象卫星的轨道特性及其与地面观测区域的相对位置关系，以及区域内航路的空间布局等信息，构建多尺度地理时空加权自回归模型；
17、结合多种特征进行基准模型的设计，包括静态特征、周期特征和时变特征；所述静态特征是指与观测设备的地理位置及其观测范围相关观测性能的所反映的空间特征相对静止；所述周期特征是指观测数据随时间的周期性变化；所述时变特征则是指观测数据随时间变化的动态特性；
18、基于上述特征构建基准模型的周期波动特性和机会数据衰减特性。
19、进一步的，所述步骤s3具体包括：
20、基于亥姆霍兹定理，将风矢量场分解为散度场和旋度场两个独立分量，以实现对风场特性的精细化分析，任意光滑的矢量场都可以唯一地分解为一个无旋的散度场和一个无源的旋度场，分别研究风场中气流的辐散与收敛，以及气流的旋转与涡流特性：
21、
22、其中，u(x)为风矢量场，其在三维空间中光滑；是梯度算子，表示在空间各方向上的全微分；是散度场，表示标量势函数φ(x)的散度；是旋度场，表示为向量势函数a(x)的；
23、基于目标区域内历史风场异常事件的表现，提取散度场和旋度场中的特征，以构建区域风矢量场异常预警的先导特征集，具体为，通过分析历史数据中与风场异常事件相关的散度场特征和旋度场特征，识别出这些事件在风场分解后的表现模式。
24、进一步的，所述步骤s4具体包括：
25、基于重构后的区域风矢量场，在稀疏空间连通域边界栅格处，对风场通量进行计算，所述稀疏空间连通域是指在多源异构时空数据依据多尺度地理时空加权聚合重构后形成的特定区域；
26、利用物理信息神经网络构建物理约束，确保网络输出不仅与观测数据相符，同时满足用于约束的物理法则和大气科学先验知识，所述物理约束包括但不限与流体动力学的纳维-斯托克斯方程、连续性方程：
27、
28、其中，v是流体速度矢量场；ρ是流体密度；p是压力场；μ是动态粘性系数；f是外力密度；
29、在直角坐标系中表示为:
30、
31、其中，u,v,w是流体在t时刻，在点(x,y,z)处的速度分量；
32、使用高斯过程回归对稀疏空间连通域中的散度特征和旋度特征进行拟合，实现在数据稀疏区域的数据预测和插值；
33、使用adam优化器进行迭代：
34、
35、其中，θ(t)是第t次迭代时的参数值；η是学习率；m是一阶动量估计；v是二阶动量估计；β1和β2是动量参数，∈是避免系统除零的保险数。
36、进一步的，所述步骤s5具体包括：
37、所述四维时空数据变分同化过程中，依据上一时刻的模型输出和当前时刻的观测数据，在物理信息神经网络的约束下，通过变分方法优化模型参数，确保模型响应误差最小化，所述四维时空数据变分同化过程中目标函数j(x)：
38、
39、其中，xi是在时间ti的模型状态，xi＝m(t本文档来自技高网...
【技术保护点】
1.基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤S1具体包括：
3.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤S2具体包括：
4.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤S3具体包括：
5.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤S4具体包括：
6.根据权利要求1所述的一种基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤S5具体包括：
7.根据权利要求1所述的一种基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤S6具体包括：
8.基于多源异构时空数据的稀疏空间风矢量场异常预警装置，其特征在于：包括：
9.一种电子设备，包括处理器以及与处理器通信连接，且用于存
10.一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-7任一项所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法。
...【技术特征摘要】
1.基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤s1具体包括：
3.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤s2具体包括：
4.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤s3具体包括：
5.根据权利要求1所述的基于多源异构时空数据的稀疏空间风矢量场异常预警方法，其特征在于：所述步骤s4具体包括：
6.根据权利要求1所述的一种基于多源异构时空数据的稀疏空间风矢量场异常...
【专利技术属性】
技术研发人员：陈万通，曹泽睿，秦仕伟，于颖丽，
申请(专利权)人：中国民航大学，
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。