【技术实现步骤摘要】
本申请涉及计算机，具体而言，涉及一种气象预测方法及装置、存储介质、电子装置。
技术介绍
1、随着新能源电力产业的高速发展，气象服务的重要性愈发显现。气象在新能源项目规划选址、设计选型、建设施工、运维管理等全生命周期中发挥至关重要的作用。随着大规模风电、光电逐步接入电网，以风能和太阳能为代表的新能源电力不稳定的特性给电网的平衡及调度带来严峻挑战，因此电网对各新能源发电场站的功率预测考核标准会愈加严苛，而精准的高分辨率网格化、数值化气象预报预测可以为新能源发电场电力功率和负荷精准预测奠定良好的根基。此外，新能源发电场站通常分布面积广、抵御气象灾害能力弱，因此对精细化、行业化、指数化的高质量气象预警需求也更为强烈。
2、传统的气象预报方法主要依赖于数值天气预报模型和气象学家经验，这些方法在处理复杂多变的天气系统时往往存在局限性。相关技术中，人工智能(ai)技术的快速发展为气象预报领域带来了新的机遇。ai技术，尤其是机器学习和深度学习，已经在许多领域展示了其强大的数据处理和模式识别能力。将ai技术应用于气象预报，可以实现对大量气象数据的深入挖掘和分析，从而揭示天气变化的深层次规律，提高高分辨率气象预报的准确性和效率。然而，高分辨率预报面临着数据量多、计算复杂度高等问题，导致气象预报的准确性较低。
3、因此，如何提高气象预报的准确性，成为了气象领域研究目前亟待解决的问题。
技术实现思路
1、本申请实施例提供了一种气象预测方法，以至少解决相关技术中气象预测准确性低的问题
2、根据本申请实施例的一个实施例，提供了一种气象预测方法，包括：获取对预设区域内的气象要素进行气象采集，得到的所述预设区域内的气象要素在当前时刻的气象参数；基于所述预设区域内的气象要素在当前时刻的气象参数，得到所述预设区域的气象要素的气象整合特征；对所述气象整合特征进行处理，得到气象区域特征，并对所述气象区域特征进行区域注意力表征，得到所述预设区域的气象要素的气象关联特征；拼接所述气象整合特征和所述气象关联特征，对所述预设区域在目标时刻的气象参数进行预测。
3、在一个示例性实施例中，所述基于所述预设区域内的气象要素在当前时刻的气象参数，得到所述预设区域的气象要素的气象整合特征，包括：基于所述预设区域内的气象要素的属性，对所述气象要素在当前时刻的气象参数进行划分，得到多个第一气象参数和多个第二气象参数；拼接所述多个第一气象参数，得到第一维度的第一气象特征；拼接所述多个第二气象参数，得到第二维度的第二气象特征；对所述第一气象特征和所述第二气象特征进行维度映射，得到所述预设区域的气象要素的气象整合特征。
4、在一个示例性实施例中，所述对所述气象整合特征进行处理，得到气象区域特征，包括：将所述气象整合特征输入至预先训练的气象检测模型；由所述气象检测模型对所述气象整合特征进行二维空间映射，得到二维空间映射后的气象整合特征；对所述二维空间映射后的气象整合特征进行划分，获得划分气象特征；对所述划分气象特征进行维度转换，获得维度转换后的划分气象特征；拼接所述维度转换后的划分气象特征，得到气象区域特征。
5、在一个示例性实施例中，所述对所述气象区域特征进行区域注意力表征，得到所述预设区域的气象要素的气象关联特征，包括：基于预先训练的气象检测模型的区域注意力机制层所设置的多个模型参数，对所述气象区域特征进行关联，确定所述预设区域的气象要素的气象关联特征。
6、在一个示例性实施例中，所述气象检测模型的训练步骤，包括：获取训练样本；所述训练样本包括样本区域内的气象要素在样本时刻的样本气象参数；将所述训练样本输入至待训练的神经网络模型，由所述待训练的神经网络模型针对所述训练样本进行训练，直至满足预设条件时停止，获得训练完成的气象检测模型。
7、在一个示例性实施例中，将所述训练样本输入至待训练的神经网络模型，由所述待训练的神经网络模型针对所述训练样本进行训练，直至满足预设条件时停止，获得训练完成的气象检测模型，包括：将所述训练样本输入至待训练的神经网络模型，由所述待训练的神经网络模型得到所述样本区域的气象要素的样本气象整合特征；由所述待训练的神经网络模型对所述样本气象整合特征进行二维空间映射，得到二维空间映射后的样本气象整合特征；由所述待训练的神经网络模型对所述二维空间映射后的样本气象整合特征进行划分，获得样本划分气象特征，对所述样本划分气象特征进行维度转换，获得维度转换后的样本划分气象特征，以及拼接所述维度转换后的样本划分气象特征，得到样本气象区域特征；由所述待训练的神经网络模型对所述样本气象区域特征进行区域注意力表征，按照区域注意力表征结果对所述待训练的神经网络模型进行训练，直至满足预设条件时停止，获得训练完成的气象检测模型。
8、在一个示例性实施例中，所述由所述待训练的神经网络模型对所述样本气象区域特征进行区域注意力表征，按照区域注意力表征结果对所述待训练的神经网络模型进行训练，直至满足预设条件时停止，获得训练完成的气象检测模型，包括：
9、基于所述待训练的神经网络模型对所述样本气象区域特征进行区域注意力表征，输出样本气象关联特征；基于所述待训练的神经网络模型对所述样本气象关联特征和所述样本气象整合特征进行拼接，确定样本气象预测结果；确定样本气象真实结果与所述样本气象预测结果之间的损失，按照所述损失调整所述待训练的神经网络模型的参数，直至满足预设条件时停止，获得训练完成的气象检测模型。
10、根据本申请实施例的另一个实施例，还提供了一种气象预测装置，包括：获取模块，用于获取对预设区域内的气象要素进行气象采集，得到的所述预设区域内的气象要素在当前时刻的气象参数；第一特征提取模块，用于基于所述预设区域内的气象要素在当前时刻的气象参数，得到所述预设区域的气象要素的气象整合特征；第二特征提取模块，用于对所述气象整合特征进行处理，得到气象区域特征，并对所述气象区域特征进行区域注意力表征，得到所述预设区域的气象要素的气象关联特征；预测模块，用于拼接所述气象整合特征和所述气象关联特征，对所述预设区域在目标时刻的气象参数进行预测。
11、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述方法。
12、根据本申请实施例的又一方面，还提供了一种电子装置，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，其中，上述处理器通过计算机程序执行上述的方法。
13、根据本申请实施例的又一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任一项方法实施例中的步骤。
14、在本申请实施例中，通过获取对预设区域内的气象要素进行气象采集，得到的预设区域内的气象要素在当前时刻的气象参数，确定出预设区域的气象要素的气象整合特征，并进一步对气象整合特征进行处理，得到气象区域特征，从而可以对气象区域本文档来自技高网...
【技术保护点】
1.一种气象预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述预设区域内的气象要素在当前时刻的气象参数，得到所述预设区域的气象要素的气象整合特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述气象整合特征进行处理，得到气象区域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述气象区域特征进行区域注意力表征，得到所述预设区域的气象要素的气象关联特征，包括：
5.根据权利要求3所述的方法，其特征在于，所述气象检测模型的训练步骤，包括：
6.根据权利要求5所述的方法，其特征在于，将所述训练样本输入至待训练的神经网络模型，由所述待训练的神经网络模型针对所述训练样本进行训练，直至满足预设条件时停止，获得训练完成的气象检测模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述由所述待训练的神经网络模型对所述样本气象区域特征进行区域注意力表征，按照区域注意力表征结果对所述待训练的神经网络模型进行训练，直至满足预设条件时停止，获得训练完成的气象检测模型，包
8.一种气象预测装置，其特征在于，包括：
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
...【技术特征摘要】
1.一种气象预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述预设区域内的气象要素在当前时刻的气象参数，得到所述预设区域的气象要素的气象整合特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述气象整合特征进行处理，得到气象区域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述气象区域特征进行区域注意力表征，得到所述预设区域的气象要素的气象关联特征，包括：
5.根据权利要求3所述的方法，其特征在于，所述气象检测模型的训练步骤，包括：
6.根据权利要求5所述的方法，其特征在于，将所述训练样本输入至待训练的神经网络模型，由所述待训练的神经网络模型针对所述训练样本进行训...
【专利技术属性】
技术研发人员：张慧君，温晗秋子，叶林，冯笑丹，葛戈，刘雅欣，伊然，杨雪，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
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。