[發明專利]一種即時氣象情報保障方法

在審

• 申請號: 201910955785.0
• 申請日: 2019-10-09
• 公開（公告）號: CN110618473A
• 公開（公告）日: 2019-12-27
• 發明（設計）人: 趙琉濤
• 申請（專利權）人: 北京北科融智云計算科技有限公司
• 主分類號: G01W1/10
• 分類號: G01W1/10;G01W1/02
• 代理公司: 11694 北京萬思博知識產權代理有限公司
• 代理人: 范曉斌

1.一種即時氣象情報保障方法，用于對指定區域進行氣象預測，包括：

同化多源資料并實現覆蓋指定區域的中尺度數值預報模型的建立，所述中尺度數值預報模型是基于WRF和WRFDA模型；

在指定區域內設置若干個觀測點，用于獲取指定區域內流體的場內觀測數據；

采用流體力學模型對所述中尺度數值預報模型進行預報降尺度處理，以場內觀測數據為真實值構建訓練數據集，通過人工神經網絡對經預報降尺度處理后的中尺度數值預報模型進行深度學習，形成小尺度的精細化的短臨預報模型。

2.根據權利要求1所述的方法，其特征在于，同化多源資料并實現覆蓋指定區域的中尺度數值預報模型的建立，所述中尺度數值預報模型是基于WRF和WRFDA模型中，多源資料包括常規氣象觀測數據、雷達資料、衛星觀測資料、大尺度氣象模式網格數據、地形勘測數據和地標粗糙度數據。

3.根據權利要求2所述的方法，其特征在于，多源資料同化及中尺度預報需要全球范圍內的模式場數據為區域模型提供初始值和側邊界條件，實現對場所特定區域的1km分辨率嵌套區域模擬，系統定時下載GFS全球預報等所需數據，獲取起報時間的觀測數據后，自動開始數據處理流程，并實現WRFDA的數據同化，將分析場數據提供給WRF模型作為預報的初始場，實現逐小時的自動更新同化預報循環。

4.根據權利要求1所述的方法，其特征在于，在指定區域內設置若干個觀測點，用于獲取指定區域內流體的場內觀測數據，包括：

在所述指定區域的關鍵點建立地面觀測站，采集風速、風向、氣溫、氣壓、相對濕度的常規觀測數據，以用于構建場所小區域的訓練數據集，同時對所述常規觀測數據進行質量控制。

5.根據權利要求2所述的方法，其特征在于，采用流體力學模型對所述中尺度數值預報模型進行預報降尺度處理，是將空間分辨率在公里量級的中尺度數值預報模型，以數值預報結果為邊界條件，采用流體力學模型通過精確的地形、地標粗糙度數據，模擬出在一定來流條件下比所述指定區域內更加精細的空間流場分布，達到米級精細化預報的中尺度數值預報模型。

6.根據權利要求5所述的方法，其特征在于，通過人工神經網絡對經預報降尺度處理后的中尺度數值預報模型進行深度學習，形成小尺度的精細化的短臨預報模型中，實現基于深度學習的統計預測，包括：

在所述若干個觀測點上利用歷史觀測數據訓練預報函數，體現出各個氣象要素的日內變化、季節變化的周期特征；

在空間上對觀測點數據進行平滑和約束，同時考慮在各天氣現象中氣象要素的空間相關性和特征；

搭建多層神經網絡模擬各氣象要素之間的關聯關系，通過設置對比試驗，以場內觀測數據為真實值構建訓練數據集，確定神經網絡隱藏層數、各層神經元數量、訓練學習率、迭代次數參數的最佳配置，進而訓練得出預報函數；

最后，利用所得到的預報函數來構建出所述短臨預報模型。

7.根據權利要求1所述的方法，其特征在于，在得到精細化的短臨預報模型后，基于此進行氣象情報監控，所述氣象情報監控實現對多源資料同化及中尺度數值預報和基于深度學習的精細化短臨氣象預報中包含的原始數據、中間數據、預測數據和評估分析數據的多維展示、情報監控和管理。

8.根據權利要求7所述的方法，其特征在于，對多源資料同化進行的情報監控時同化預報業務系統，同化預報業務系統展示需要實現對常規觀測數據、雷達觀測資料、衛星輻射率觀測資料在同化前后的質控訂正效果診斷分析和對模式預報數據的多角度、多維度地評估和展示。

9.一種計算設備，包括存儲器、處理器和存儲在所述存儲器內并能由所述處理器運行的計算機程序，其中，所述處理器執行所述計算機程序時實現如權利要求1-8中任一項所述的方法。

10.一種計算機可讀存儲介質，優選為非易失性可讀存儲介質，其內存儲有計算機程序，所述計算機程序在由處理器執行時實現如權利要求1-8中任一項所述的方法。