[發明專利]天氣預測模型的建立方法、預測方法和預測裝置

在審

• 申請號: 201711419608.8
• 申請日: 2017-12-25
• 公開（公告）號: CN107991722A
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 陳子豪;丁莉莉
• 申請（專利權）人: 北京墨跡風云科技股份有限公司
• 主分類號: G01W1/10
• 分類號: G01W1/10
• 代理公司: 北京世衡知識產權代理事務所(普通合伙)11686
• 代理人: 郝文博,肖淑芳

技術領域

本申請涉及天氣預報領域，尤其涉及雨雪相態預測模型的建立方法和雨雪相態的預測方法。

背景技術

在冬季，隨著氣溫的下降，在不同地區不同的天氣形勢下，降水的相態難以定性。在短時間內可能有多次的雨雪狀態的改變，目前的一些預測方法主要采用單一的參數例如地面溫度來對雨雪相態進行預判，這對于短時間內氣象預報的雨雪預測來說存在很大的不穩定性，對于用戶的使用體驗來說也具有不好的影響。

目前的一些應用中，為了讓用戶對當前地區的降水相態有更直觀的理解，會在短時預報的結果中對雨量進行加工，在即將產生降水的地區提示用戶是降雨還是降雪。比如：十五分鐘后會下雨，一小時后雨停；這場雪會持續兩小時，出門請當心。因為短時預報系統是對用戶提供分鐘級、公里級的降水預報，所以需要對雨雪的相態也有一種分鐘級、公里級的預報。

目前為了解決這個問題，采用的方案是根據用戶的經緯度坐標，來獲取用戶位置的城市天氣實際狀況，以及當地氣溫，濕度等天氣信息。通過這些數據，利用某些規則來判定是否會降雪。但是這些數據都是逐小時的數據，所以用戶無法實時感知到當前雨雪的動態變化。因此，如果在某個小時內某地的降水相態發生了變化，那么我們就無法捕捉到這種變化。而且，這種通過當地城市實況來判斷降水相態的規則過于簡單，容易受到經緯度和地形，海拔等多方面因素的影響，因此其對降水相態的判斷準確率仍然不高，因此也影響到了我們短時預報系統的準確率。

最好的現有技術是利用城市天氣信息，對城市區域級別進行判斷，它在整個城市的區域內，當前小時的雨雪相態結果都是相同的。這樣它的時間分辨率就是逐小時，空間分辨率是城市級(10-100KM)。無法滿足短時業務中的細粒度預報要求。而且城市的天氣信息非常少，得到的結果準確率也十分低。本發明的優勢在于，結合時間和細粒度的模式預報數據，對小區域內的雨雪相態進行判斷，所以可以達到更高的精度要求和準確率要求。

發明內容

因此，本發明涉及一種利用GFS數據對區域內降水相態進行預報的機器學習算法。本發明可以在冬季降雪多發季節穩定的，高頻次對降水相態進行預測，輸出全國的雨雪分布區域圖，提高短時預報的準確率。

根據本發明的一個方面，提供一種天氣預測模型的建立方法，包括：S1：獲取多條歷史氣象預報數據，所述歷史氣象預報數據中包括多個特征，并對應于一個或多個地理位置和一個或多個時間點；S2：獲取與所述多條歷史氣象預報數據對應的多條天氣記錄數據，所述天氣記錄數據包含一天氣指標；S3：利用所述天氣記錄數據，從所述多個特征中抽取出與所述天氣指標相關聯的特征或特征組；S4：以所述天氣記錄數據為樣本標簽，處理所述歷史氣象預報數據中的所述特征或特征組，建立所述天氣預測模型。

根據本發明的另一個方面，所述歷史氣象預報數據為GFS模式預報數據、EC模式預報數據、WRF模式預報數據、中國氣象局模式預報數據、WNI的模式預報數據、英國氣象局的模式預報數據或其組合。

根據本發明的另一個方面，所述步驟S4中，通過機器學習算法處理所述歷史氣象預報數據中的所述特征或特征組，所述機器學習算法包括支持向量機算法、AdaBoost算法、Logistic Regression算法，Decision Tree算法中的一種或多種。

根據本發明的另一個方面，所述天氣記錄數據為雨雪記錄數據，所述天氣指標為雨雪相態，所述天氣預測模型為雨雪相態預測模型。

根據本發明的另一個方面，所述步驟S3中，通過嶺模型、方差選擇法、相關系數法、卡方檢驗、互信息法、遞歸特征消除法、基于懲罰項的特征選擇法、基于樹模型的特征選擇法中的一種或多種，從所述多個特征中抽取出與一天氣指標相關聯的所述特征或特征組。

根據本發明的另一個方面，在步驟S1之后，在步驟S3之前，對所述歷史氣象預報數據進行加工，提高所述歷史氣象預報數據的空間分辨率，優選通過插值的方式對所述歷史氣象預報數據進行加工。

根據本發明的另一個方面，還包括對所述多個特征進行處理，獲得另外的特征，利用所述天氣記錄數據，從所述多個特征與所述另外的特征中抽取出與所述天氣指標相關聯的特征或特征組。

根據本發明的另一個方面，所述另外的特征包括：時間信息的增加，月份信息的增加，前后時刻之間的溫度變化，前后時刻之間的濕度變化，大氣各層之間的溫度，濕度，風速，風力等變化，經緯度信息的增加及其任意組合。

根據本發明的另一個方面，所述多個特征包括：在不同氣壓層處的風向、風速、溫度、濕度、降水量、土壤不同層的溫度濕度，氣象上的渦度、散度，露點溫度。