[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

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σ_O和σ_F，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，…，S_N，其誤差∈_n＝S_n-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S_a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，x_b是背景場，x、x_b為N維向量，y_o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，y_o、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＝x_b+[B^-1+H^TO^-1H]^-1H^TO^-1(y_o-Hx_b)

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，a_i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)a_i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)，S_t′和O_t′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F_i′和F_j′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F_j′(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，

o_i′為觀測值距平，[C_i，j]為的矩陣，[a_i]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。