【技术实现步骤摘要】
本专利技术涉及气象预报，更具体地，涉及一种基于深度学习的延伸期气温偏差订正方法及系统。
技术介绍
1、延伸期预报，或称次季节-季节(subseasonal to seasonal，s2s)尺度预报，其作为中短期(10天内)天气预报与季节尺度预测(30天以上)的衔接，是气象预报业务中的薄弱环节。季节尺度的预报和月尺度的预报都属于气候预测范畴，而延伸期预报属于天气预报范畴。理论上，基于大气环流的天气预报时效不超过14天，在延伸期预报期间，大气内强迫预报技巧较弱。而用于季节性预测的海温、积雪、土壤湿度等下垫面信号的作用还未产生明显作用，这使得延伸期的预报来源不明确。故此，延伸期预报是气象业务及其学术界中亟待解决的难题。
2、其中，2m气温是指距离地面2米高度处的气温，是与人们生活息息相关的大气物理量，其随着预报时效的延长，准确率明显降低。为提高延伸期预报的技巧和对极端事件的预报能力，偏差订正(bias correct)是提高其预报技巧的重要手段，已在气象业务部门中广泛使用。目前的偏差订正法都是统计学习方法，即通过学习实况和预报之间的差异，从而得到预报变量到对应实况值的近似映射。但不同的气候物理量的系统偏差的统计特性各不相同，将统计学习方法通用地应用于不同的气候物理量的系统偏差时，存在订正效果差的缺陷。机器学习算法相比于传统偏差订正法更加灵活，但是需要繁琐的特征工程才能利用到s2s数据中的时间空间信息。例如cnn只能提取空间信息，而lstm仅能提取时间信息。虽然convlstm结合了cnn和lstm的优点，但其隐藏状态的初始
技术实现思路
1、本专利技术为克服上述现有技术中将统计学习方法通用地应用于不同的气候物理量的系统偏差时，存在订正效果差的缺陷，提供一种基于深度学习的延伸期气温偏差订正方法及系统。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、一种基于深度学习的延伸期气温偏差订正方法，包括以下步骤：
4、获取延伸期回算数据集和再分析数据集并对其进行预处理，得到四维的训练数据集，其维度包括集合成员数、预报时效、纬度和经度；
5、将训练数据集输入基于3d u-net的延伸期气温偏差订正模型中进行训练；其中，通过网格化搜索确定最优参数组合对所述延伸期气温偏差订正模型进行更新；
6、将待订正的延伸期气温预报数据输入完成训练的所述延伸期气温偏差订正模型中，得到订正结果。
7、进一步地，本专利技术还提出了一种基于深度学习的延伸期气温偏差订正系统，应用本专利技术提出的所述延伸期气温偏差订正方法。其中，所述系统包括：
8、数据预处理模块，用于获取s2s回算数据集和再分析数据集并对其进行预处理，得到四维的训练数据集，其维度包括集合成员数、预报时效、纬度和经度；
9、训练模块，用于对基于3d u-net的延伸期气温偏差订正模型进行训练，其中通过网格化搜索确定最优参数组合对所述延伸期气温偏差订正模型进行更新；
10、订正模块，其上搭载有经过所述训练模块完成训练的延伸期气温偏差订正模型，用于对输入的经过预处理的待订正数据进行偏差订正，输出订正结果。
11、进一步地，本专利技术还提出了一种设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，其中，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如本专利技术所述的基于深度学习的延伸期气温偏差订正方法的全部或部分步骤。
12、进一步地，本专利技术还提出了一种存储介质，其上存储有计算机可读指令，其中，所述计算机可读指令被处理器执行时实现如本专利技术所述的基于深度学习的延伸期气温偏差订正方法的全部或部分步骤。
13、与现有技术相比，本专利技术技术方案的有益效果是：
14、本专利技术通过将s2s数据进行预处理并重构为四维的数据后输入基于3du-net的延伸期气温偏差订正模型中，其维度包含集合成员数、预报时效、纬度和经度，因此在偏差订正过程中能够同时考虑时间信息特征和空间信息特征，进而减小偏差订正误差，提高偏差订正结果的准确率，尤其适用于温度、降水以及热带海表温度等重要气象要素的气候预测；
15、本专利技术在模型的训练过程中通过网格化搜索确定最优参数组合，无须对每个格点和预报时效单独建模，能够有效提取s2s预报数据的时空信息，进而提供效果更好、更稳定且更准确的预报信息，从而能够对国家气候灾害提供有效的预警信息。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的延伸期气温偏差订正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的延伸期气温偏差订正方法，其特征在于，对数据进行预处理，包括以下步骤：
3.根据权利要求2所述的延伸期气温偏差订正方法，其特征在于，所述方法还包括：对经过预处理的所述训练数据集进行Z-Score标准化处理。
4.根据权利要求1所述的延伸期气温偏差订正方法，其特征在于，所述延伸期气温偏差订正模型中，包括由l个下采样层构成的编码器网络和l个上采样层构成的解码器网络，且层数l小于或等于3设置；其中：
5.根据权利要求4所述的延伸期气温偏差订正方法，其特征在于，所述Bottleneck残差3D卷积层中包括用于压缩通道数的1×1×1尺寸的第一卷积层、用于提取时空特征的3×3×3尺寸的第二卷积层，和用于还原通道数的1×1×1尺寸的第三卷积层；其中输入数据与第三卷积层的输出特征进行相加后，经过ReLU层输出。
6.根据权利要求4所述的延伸期气温偏差订正方法，其特征在于，所述延伸期气温偏差订正模型中的复杂度由层数l和通道数dh确定；则，所述通
7.根据权利要求1～6任一项所述的延伸期气温偏差订正方法，其特征在于，所述将训练数据集输入基于3D U-Net的延伸期气温偏差订正模型中进行训练，还包括：
8.一种基于深度学习的延伸期气温偏差订正系统，应用权利要求1～7任一项所述的延伸期气温偏差订正方法，其特征在于，包括：
9.一种设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，其特征在于，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1～7任一项所述的基于深度学习的延伸期气温偏差订正方法的全部或部分步骤。
10.一种存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1～7任一项所述的基于深度学习的延伸期气温偏差订正方法的全部或部分步骤。
...【技术特征摘要】
1.一种基于深度学习的延伸期气温偏差订正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的延伸期气温偏差订正方法，其特征在于，对数据进行预处理，包括以下步骤：
3.根据权利要求2所述的延伸期气温偏差订正方法，其特征在于，所述方法还包括：对经过预处理的所述训练数据集进行z-score标准化处理。
4.根据权利要求1所述的延伸期气温偏差订正方法，其特征在于，所述延伸期气温偏差订正模型中，包括由l个下采样层构成的编码器网络和l个上采样层构成的解码器网络，且层数l小于或等于3设置；其中：
5.根据权利要求4所述的延伸期气温偏差订正方法，其特征在于，所述bottleneck残差3d卷积层中包括用于压缩通道数的1×1×1尺寸的第一卷积层、用于提取时空特征的3×3×3尺寸的第二卷积层，和用于还原通道数的1×1×1尺寸的第三卷积层；其中输入数据与第三卷积层的输出特征进行相加后，经过relu层输出。
6.根据权利要...
【专利技术属性】
技术研发人员：胡娅敏，杜晖，刘圣军，刘新儒，何健，王娟怀，汪明圣，李芷卉，董少柔，饶方成，陈卓煌，
申请(专利权)人：广东省气候中心，
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。