[發明專利]基于大數據的氣象AI平臺

在審

• 申請號: 201910351317.2
• 申請日: 2019-04-28
• 公開（公告）號: CN110119002A
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 許飛;張超勇;許國良;林文文
• 申請（專利權）人: 武漢企鵝能源數據有限公司
• 主分類號: G01W1/02
• 分類號: G01W1/02;G06F16/29;G06F16/951;G06K9/62;G06N3/04
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 廉海濤

1.基于大數據的氣象AI平臺，其特征在于，氣象AI平臺包括硬件層、系統層、軟件接口層以及氣象服務層；

所述硬件層采用嵌入式硬件，包括：存儲器和CPU，所述存儲器與所述CPU連接；所述存儲器用于存儲氣象地理信息數據；

所述系統層采用linux定制化系統，用于實現所述氣象AI平臺的定制化；

所述軟件接口層包括：數據獲取模塊、中間件、ROS系統、數據傳輸接口以及通用功能模塊；

所述數據獲取模塊通過網絡爬蟲或者物聯網天氣傳感器設備獲取到海量的氣象地理信息數據；

所述中間件用于將接收的不同格式的氣象地理信息數據并轉化為統一的數據結構；所述氣象地理信息數據主要包括氣象屬性信息數據以及對應的地理空間信息數據，還包括氣象業務信息數據；

所述ROS系統用于實現各種硬件接口的數據采集以及發送接口的統一；

所述數據傳輸接口用于實現所述氣象AI平臺與云服務器之間的數據傳輸；

所述通用功能模塊用于負責提供通用功能的具體實現；

所述氣象服務層包括：智能客戶端和智能天氣模型；所述智能天氣模型用于基于所述氣象地理信息數據中預報區域最近設定時長內的氣象分析場序列，并輸入到基于已訓練的深度神經網絡模型，得到預報區域的自當前時刻開始的預報時長內的天氣預報場序列，其中，最近設定時長內的氣象分析場序列為：從當前時刻往前設定時長內的氣象分析場序列；所述智能客戶端用于實現所述氣象AI平臺與外部智能設備之間的數據交互。

2.根據權利要求1所述的基于大數據的氣象AI平臺，其特征在于，所述氣象服務層還包括氣象GIS服務、氣象GIS組件、地圖容器、氣象GIS服務器、氣象GIS服務管理器和氣象GIS集群服務器。

3.根據權利要求1所述的基于大數據的氣象AI平臺，其特征在于，所述linux定制化系統采用基于squashfs的只讀文件系統，包括：

只讀分區、加密分區和可寫分區；

所述只讀分區用于存儲所述智能客戶端和智能天氣模型；

所述加密分區用于存儲所述智能客戶端和智能天氣模型運行所需的關鍵模型及參數文件；

所述可寫分區用于存儲所述智能客戶端和智能天氣模型運行產生的數據。

4.根據權利要求1所述的基于大數據的氣象AI平臺，其特征在于，所述智能天氣模型還用于對所述預報區域的深度神經網絡進行訓練，訓練方法具體包括：

初始化一個具有輸入層、預設層數個中間層以及輸出層的深度神經網絡；所述預設層數小于設定時長內的氣象分析場序列中的氣象分析場的數量；

獲取預報區域當前時刻預報時長之前的第一氣象分析場序列和緊隨所述第一氣象分析場序列之后的預報時長內的第二氣象分析場序列，其中所述第一氣象分析場序列為任一符合預設條件的設定時長內的氣象分析場序列；

將所述第一氣象分析場序列和第二氣象分析場序列作為深度神經網絡的輸入和輸出，對深度神經網絡進行訓練；

獲取多個第一氣象分析場序列和對應的第二氣象分析場序列，根據上述訓練方法對所述深度神經網絡進行重復訓練；

將訓練完成的深度神經網絡模型，作為所述預報區域的深度神經網絡模型。

5.根據權利要求1所述的基于大數據的氣象AI平臺，其特征在于，通過網絡爬蟲的氣象地理信息數據包括逐日監測點編碼、監測點名稱、經緯度、獲取日期、AQI、PM2.5含量、PM₁₀含量、SO₂含量、NO₂含量、O₃含量、CO含量、氣溫、降水量、相對濕度和日照時數。

6.根據權利要求1所述的基于大數據的氣象AI平臺，其特征在于，所述軟件接口層在查詢、提取數據的過程中采用進行數據訪問時的雙向接口程序。