[發(fā)明專利]一種基于氣象大數(shù)據(jù)的區(qū)域道路結(jié)冰高精度監(jiān)測預(yù)警系統(tǒng)在審
| 申請?zhí)枺?/td> | 201910567666.8 | 申請日: | 2019-06-27 |
| 公開(公告)號: | CN110211325A | 公開(公告)日: | 2019-09-06 |
| 發(fā)明(設(shè)計)人: | 隆巖;劉鋒;宋單;楊雄;王金鑫;林偉文;成研;董慶 | 申請(專利權(quán))人: | 上海同望信息技術(shù)有限公司;風(fēng)云博維智能信息技術(shù)(無錫)有限公司 |
| 主分類號: | G08B19/02 | 分類號: | G08B19/02;G08B29/18 |
| 代理公司: | 北京國坤專利代理事務(wù)所(普通合伙) 11491 | 代理人: | 王峰剛 |
| 地址: | 200000 上海市嘉定區(qū)*** | 國省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 區(qū)域道路 預(yù)報結(jié)果 高精度監(jiān)測 集合 結(jié)冰狀況 預(yù)警系統(tǒng) 大數(shù)據(jù) 結(jié)冰 地表 氣象觀測數(shù)據(jù) 數(shù)值預(yù)報模式 硬件運行環(huán)境 非線性計算 氣溫 地理環(huán)境 權(quán)重系數(shù) 時間發(fā)生 實況數(shù)據(jù) 數(shù)值模式 數(shù)值預(yù)報 線性分析 線性校正 水汽 氣象衛(wèi)星 滑動 引入 訓(xùn)練期 中尺度 氣象 反演 同化 維度 站點 預(yù)警 預(yù)報 預(yù)測 分析 | ||
1.一種基于氣象大數(shù)據(jù)的區(qū)域道路結(jié)冰高精度監(jiān)測預(yù)警系統(tǒng),其特征在于:包括以下步驟:
步驟1、硬件運行環(huán)境搭建,通過基于Infiniband的超高速網(wǎng)絡(luò)的服務(wù)器集群技術(shù),完成并行運算,并解決數(shù)據(jù)交互存儲的帶寬和容量問題,用以滿足進(jìn)行氣象資料數(shù)據(jù)處理所需要的大量密集運算;
步驟2、實況數(shù)據(jù)收集、分析,通過自動氣象站,獲取實時的干球溫度、地表溫度、道路結(jié)冰、相對溫度、風(fēng)速、降水、蒸發(fā)量、輻射通量、能見度等氣象要素;
其中,每個站點代表一種道路所在區(qū)域類別,包括山區(qū)的陰面或陽面、江河湖海附近、平原;
步驟3、中尺度數(shù)值預(yù)報工具非線性計算,將上述氣象觀測資料與歐洲中期氣象預(yù)報中心的EC數(shù)值預(yù)報模式、美國國家環(huán)境預(yù)報中心的GFS數(shù)值預(yù)報模式初始場、邊界場的數(shù)據(jù)導(dǎo)入數(shù)據(jù)池,然后通過運用三維變分算法進(jìn)行資料同化;
假定氣象變量的觀測值為O,且該變量的背景值為F,方差為σO和σF,于是得到一個加權(quán)平均值:
上述A其實是下面價函數(shù)J(S)的極小值:
假設(shè)對變量S有來自不同方法的測量S1、S2,…,SN,其誤差∈n=Sn-S,假定誤差是隨機的,無偏的<∈n>=0,且服從正態(tài)分布,第n個觀測的誤差落在∈n和∈n+d∈n之間的概率為
誤差方差:
對于N個觀測有:
設(shè)
當(dāng)I取極小值時,得到最大似然估計;
由I對Sa的一階導(dǎo)數(shù)為零得到:
S的最大似然估計是Sn的加權(quán)平均,權(quán)重是每一測量的誤差方差的倒數(shù);
當(dāng)N=2時,引入目標(biāo)函數(shù):
其中,x是分析變量,xb是背景場,x、xb為N維向量,yo是觀測值,y是由分析變量導(dǎo)出的值,y=H(x),H稱為觀測算子,yo、y為M維向量,B是背景誤差協(xié)方差,O是觀測誤差協(xié)方差,B為N*N矩陣,O為M*M矩陣。
數(shù)學(xué)上可以證明,x的最佳估計(分析場)是:
x=xb+[B-1+HTO-1H]-1HTO-1(yo-Hxb)
它是目標(biāo)函數(shù)的極小點,直接求x非常困難,一般用下降算法尋找J的極小點,計算梯度公式是:
其中,稱為觀測算子的切線性算子;
步驟4、氣溫集合預(yù)報結(jié)果線性校正,首先,接入6組氣溫預(yù)報結(jié)果和該預(yù)報時間的實況探測數(shù)據(jù);其次,采用建立多元線性回歸模型的方式,將時間序列分為訓(xùn)練期、預(yù)報期;在訓(xùn)練期,建立6組預(yù)報值與觀測值的多元線性回歸模型,通過使用預(yù)報值與觀測值的多元線性回歸分析,確實6組預(yù)報結(jié)果的權(quán)重系數(shù),并以此權(quán)重系數(shù)獲得預(yù)報期的1組最終預(yù)報結(jié)果;
其中,多元線性回歸模型
在某個給定的格點,對于某一預(yù)報時效的某一氣象要素:
其中,O是訓(xùn)練期的觀測值平均,ai是參與集合的第i個成員的權(quán)重系數(shù),F(xiàn)i和分別是第i個模式的預(yù)報值和其在訓(xùn)練期的預(yù)報平均值,N是參與超級集合預(yù)報的模式總數(shù)。其中權(quán)重系數(shù)ai由上述訓(xùn)練期方程中的誤差項G的最小化計算獲得:
其中,N是訓(xùn)練期時間樣本數(shù),St′和Ot′分別是訓(xùn)練期的超級集合和觀測場的偏差,此方程在每個模式的格式上運算;而多模式超級集合預(yù)報方法的建立是依賴于誤差協(xié)方差矩陣,它又是模式場偏差Fi′和Fj′建立,因此,每個模式的權(quán)重系數(shù)由誤差矩陣C計算而得:
其中,N是訓(xùn)練期時間樣本數(shù),F(xiàn)i′(t)和Fj′(t)分別是第i個模式和第j個模式的預(yù)報值距平,建立線性代數(shù)方程;
其中,
oi′為觀測值距平,[Ci,j]為的矩陣,[ai]為n×n的矩陣,為n×1矩陣,應(yīng)用Gauss-Jordan消除法求解,得到代入公式;
步驟5、區(qū)域地表溫度反演,將氣溫的數(shù)值預(yù)報數(shù)據(jù)代入步驟2的線性關(guān)系,反演出整個區(qū)域的地表溫度結(jié)果;
步驟6、區(qū)域道路結(jié)冰狀況預(yù)警,將水汽的數(shù)值預(yù)報數(shù)據(jù)、步驟5的地表溫度結(jié)果與步驟2的臨界值區(qū)間進(jìn)行比對,預(yù)測整個區(qū)域的道路結(jié)冰狀況,并進(jìn)行預(yù)警。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海同望信息技術(shù)有限公司;風(fēng)云博維智能信息技術(shù)(無錫)有限公司,未經(jīng)上海同望信息技術(shù)有限公司;風(fēng)云博維智能信息技術(shù)(無錫)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910567666.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 用戶位置高精度監(jiān)測系統(tǒng)及利用偽距修正量的位置差分方法
- 基于Zynq的多通道頻譜監(jiān)測方法
- 數(shù)字視頻高精度火災(zāi)識別預(yù)警系統(tǒng)
- 一種基于北斗衛(wèi)星定位技術(shù)的輸電線路桿塔塔體監(jiān)測系統(tǒng)
- 基于計算機視覺的輸液監(jiān)測系統(tǒng)
- 一種隔絕氣體式氣體濃度監(jiān)測儀
- 一種隔絕氣體式氣體濃度監(jiān)測儀
- 一種高精度礦山位移安全在線監(jiān)測預(yù)警系統(tǒng)
- 一種采用北斗高精度定位的建筑安全形變監(jiān)測設(shè)備
- 一種基于雙三軸加速度的無線傾角傳感智能終端、及系統(tǒng)





