[發明專利]一種基于氣象大數據的區域道路結冰高精度監測預警系統

在審

• 申請號: 201910567666.8
• 申請日: 2019-06-27
• 公開（公告）號: CN110211325A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 隆巖;劉鋒;宋單;楊雄;王金鑫;林偉文;成研;董慶
• 申請（專利權）人: 上海同望信息技術有限公司;風云博維智能信息技術（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所(普通合伙) 11491
• 代理人: 王峰剛

1.一種基于氣象大數據的區域道路結冰高精度監測預警系統，其特征在于：包括以下步驟：

步驟1、硬件運行環境搭建，通過基于Infiniband的超高速網絡的服務器集群技術，完成并行運算，并解決數據交互存儲的帶寬和容量問題，用以滿足進行氣象資料數據處理所需要的大量密集運算；

步驟2、實況數據收集、分析，通過自動氣象站，獲取實時的干球溫度、地表溫度、道路結冰、相對溫度、風速、降水、蒸發量、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域類別，包括山區的陰面或陽面、江河湖海附近、平原；

步驟3、中尺度數值預報工具非線性計算，將上述氣象觀測資料與歐洲中期氣象預報中心的EC數值預報模式、美國國家環境預報中心的GFS數值預報模式初始場、邊界場的數據導入數據池，然后通過運用三維變分算法進行資料同化；

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，于是得到一個加權平均值：

上述A其實是下面價函數J(S)的極小值：

假設對變量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

當I取極小值時，得到最大似然估計；

由I對S_a的一階導數為零得到：

S的最大似然估計是Sn的加權平均，權重是每一測量的誤差方差的倒數；

當N＝2時，引入目標函數：

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是背景誤差協方差，O是觀測誤差協方差，B為N*N矩陣，O為M*M矩陣。

數學上可以證明，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)

它是目標函數的極小點，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、氣溫集合預報結果線性校正，首先，接入6組氣溫預報結果和該預報時間的實況探測數據；其次，采用建立多元線性回歸模型的方式，將時間序列分為訓練期、預報期；在訓練期，建立6組預報值與觀測值的多元線性回歸模型，通過使用預報值與觀測值的多元線性回歸分析，確實6組預報結果的權重系數，并以此權重系數獲得預報期的1組最終預報結果；

其中，多元線性回歸模型

在某個給定的格點，對于某一預報時效的某一氣象要素：

其中，O是訓練期的觀測值平均，a_i是參與集合的第i個成員的權重系數，F_i和分別是第i個模式的預報值和其在訓練期的預報平均值，N是參與超級集合預報的模式總數。其中權重系數a_i由上述訓練期方程中的誤差項G的最小化計算獲得：

其中，N是訓練期時間樣本數，S_t′和O_t′分別是訓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報方法的建立是依賴于誤差協方差矩陣，它又是模式場偏差F_i′和F_j′建立，因此，每個模式的權重系數由誤差矩陣C計算而得：

其中，N是訓練期時間樣本數，F_i′(t)和F_j′(t)分別是第i個模式和第j個模式的預報值距平，建立線性代數方程；

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，應用Gauss-Jordan消除法求解，得到代入公式；

步驟5、區域地表溫度反演，將氣溫的數值預報數據代入步驟2的線性關系，反演出整個區域的地表溫度結果；

步驟6、區域道路結冰狀況預警，將水汽的數值預報數據、步驟5的地表溫度結果與步驟2的臨界值區間進行比對，預測整個區域的道路結冰狀況，并進行預警。