[發明專利]一種基于大數據的氣候預測方法

在審

• 申請號: 202110018071.4
• 申請日: 2021-01-07
• 公開（公告）號: CN112839203A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 董華江
• 申請（專利權）人: 董華江
• 主分類號: H04N7/18
• 分類號: H04N7/18;G10L17/26;G01W1/10
• 代理公司: 廣東省中源正拓專利代理事務所(普通合伙) 44748
• 代理人: 黨沖

1.一種基于大數據的氣候預測方法，其特征在于，所述氣候預測方法包括以下步驟：

步驟一：大數據平臺與氣象局建立數據連接，獲取氣象局對未來24H時內的降雨預測信息；

步驟二：氣象局降雨預測信息為降雨時，大數據平臺獲取動物識別模塊內的動物預測信息與感知模塊內的聊天預測信息；

步驟三：通過權重賦值模塊對動物預測信息以及聊天預測信息進行權重賦值；并將權重占比最大的信息標記為主預測信息；

步驟四：將主預測信息與降雨預測信息進行推送。

2.根據權利要求1所述的一種基于大數據的氣候預測方法，其特征在于，所述動物識別模塊用于對特征動物進行識別，其中，特征動物包括麻雀、青蛙、燕子、螞蟻、以及蚯蚓；所述動物預測信息包括動物行為信息與動物聲音信息。

3.根據權利要求2所述的一種基于大數據的氣候預測方法，其特征在于，所述動物行為信息與動物聲音信息具體為：

A1:通過若干個高清攝像頭組成監測監控網絡，并實時對特征動物進行拍攝監測，并存儲為MP4格式，并標記為特征監測視頻；

A2:特征分析單元對特征監測視頻進行特征分析，具體為:

A21：當特征監測視頻內特征動物為燕子時，選取特征監測視頻內出現地面與燕子同時存在的圖像為關鍵幀；

A22：選取關鍵幀中地面與參照物，并繪制參照物線；

A23：獲取關鍵幀中燕子的輪廓圖，并獲取輪廓圖中最低點與參照物線的垂直距離；

A24：當特征監測視頻內特征動物為螞蟻時，選取特征監測視頻內出現20只及20只以上螞蟻的圖像為關鍵幀；

A25：獲取關鍵幀中螞蟻的輪廓圖，選取關鍵幀中首位螞蟻的輪廓圖為起點，依次連接距離起點最近的螞蟻輪廓圖，得到螞蟻輪廓連接線；

A26：當特征監測視頻內特征動物為蚯蚓時，選取特征監測視頻內出現蚯蚓與地面的圖片為關鍵幀；

A27：獲取關鍵幀中地面的輪廓圖，當地面的輪廓圖中出現蚯蚓，并獲取出現蚯蚓的個數；

A28：當特征監測視頻內特征動物為麻雀或/和青蛙時，選取特征監測視頻內出現麻雀或/和青蛙的圖像為起始幀，選取特征監測視頻麻雀或/和青蛙消失的圖像為終結幀；

A29：獲取起始幀與終結幀之間的音頻文件，并對音頻文件進行音頻擬合處理。

4.根據權利要求1所述的一種基于大數據的氣候預測方法，其特征在于，所述感知模塊用于收集天氣預測地區內的聊天數據，并將聊天數據進行提取，并生成聊天預測信息，具體為:

B1：感知模塊與天氣預測地區內的智能設備進行數據連接，并獲取優選智能設備的聊天數據；

B2：將聊天數據全部轉化為文本信息，當文本信息中出現里間隔關鍵詞時，將文本信息對應的聊天數據的時間節點標記為搜索節點；

B3：獲取搜索節點對應天氣預測地區的全部智能設備的聊天數據，并將聊天數據全部轉化為文本信息，并標記為篩選文本；

B4：當篩選文本出現的間隔關鍵詞的數量超過采樣閾值時，既生成聊天預測信息。

5.根據權利要求3所述的一種基于大數據的氣候預測方法，其特征在于，所述音頻擬合處理具體為：

C1：將麻雀預報下雨時的鳴叫與青蛙預報下雨時的鳴叫存儲為標準對比音頻；

C2：對標準對比音頻代入聲學模型內進行建模，并通過BFCC處理得到音素圖；將音素圖存儲為對比音素圖；

C3：對起始幀與終結幀之間的音頻文件進行BFCC處理得到采集音素圖；

C4：當采集音素圖內存在和對比音素圖相同的音素段落時，既認定音頻擬合成功；

C5：當采集音素圖內不存在和對比音素圖相同的音素段落時，既認定音頻擬合失敗。

6.根據權利要求1所述的一種基于大數據的氣候預測方法，其特征在于，所述權重賦值模塊用于對動物預測信息以及聊天預測信息進行權重賦值；

其中，權重賦值模塊產生權重指標，所述權重指標具體分為，動物預測信息包括,垂直距離指標、螞蟻輪廓連接線指標、蚯蚓個數指標以及音頻擬合指標；聊天預測信息包括間隔關鍵詞的數量指標。