[發明專利]一種基于分布式任務調度的GFS氣象數據分發、傳輸方法

有效

• 申請號: 202210183194.8
• 申請日: 2022-02-28
• 公開（公告）號: CN114244873B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 唐署光;伍柳源
• 申請（專利權）人: 深圳市千百煉科技有限公司
• 主分類號: H04L67/12
• 分類號: H04L67/12;G16Y20/10;G01W1/02;G06Q10/04;G06Q50/26;G06F16/55;G06F16/16;G06N20/00;G06N3/04;G06N3/08
• 代理公司: 北京盛凡佳華專利代理事務所(普通合伙) 11947
• 代理人: 陳文麗

1.一種基于分布式任務調度的GFS氣象數據分發、傳輸方法，其特征在于，該方法包括以下步驟：

S1、在若干個氣象監測點設置監測終端，監測終端內設置有若干個氣溫測量模塊、數據分發模塊、圖像收集模塊及服務反饋模塊；

S2、通過圖像收集模塊對氣象監測點的外界圖像進行收集；

S3、獲取GFS氣象數據，并通過數據分發模塊將GFS氣象數據分發傳輸至客戶；

S4、收集GFS氣象數據中氣象監測點的氣溫數值與氣溫測量模塊測得氣象監測點的氣溫數值之間的誤差值，并通過誤差值進行氣溫誤差預測；

計算得到每天GFS氣象數據中氣象監測點的氣溫數值與氣溫測量模塊測得氣象監測點的氣溫數值之間的誤差值，并存儲；

每個氣象監測點根據自身存儲的氣象監測點誤差值建立訓練預測模型，并利用訓練預測模型按各個氣象監測點每天的誤差值進行各自訓練；

每個氣象監測點依據自身的訓練結果對各自的訓練預測模型的參數進行更新，并存儲更新的差值；

通過中心服務端將各個更新差值進行參數聚合，并得到聚合更新參數，且將聚合更新參數發送至各個氣象監測點；

各個氣象監測點通過聚合更新參數對訓練預測模型進行更新，并通過訓練預測模型預測GFS氣象數據中氣象監測點的氣溫數值與氣溫測量模塊測得氣象監測點的氣溫數值之間的氣溫誤差預測值；氣溫測量模塊測得氣象監測點的氣溫數值大于GFS氣象數據中氣象監測點的氣溫數值，則氣溫誤差預測值為正，否則為負；

S5、將GFS氣象數據、外界圖像及氣溫誤差預測值進行結合得到氣象發送數據；

S6、通過數據分發模塊將氣象發送數據分發傳輸至客戶；

S7、通過服務反饋模塊接受客戶的氣象數據反饋信息。

2.根據權利要求1所述的一種基于分布式任務調度的GFS氣象數據分發、傳輸方法，其特征在于，所述監測終端內還包含存儲模塊，所述存儲模塊內存儲的氣象要素包括溫度、濕度、氣壓及降水量。

3.根據權利要求1所述的一種基于分布式任務調度的GFS氣象數據分發、傳輸方法，其特征在于，所述S2中通過圖像收集模塊對氣象監測點的外界圖像進行收集還包括以下步驟：

每天獲取氣象監測點的外景圖像，并對外景圖像進行向量化處理，得到外景圖像的特征向量組；

建立若干個圖像分類文件夾，并根據外景圖像的特征向量組對所有外景圖像進行分類；

根據分類結果將各個外景圖像存入不同類別的圖像分類文件夾。

4.根據權利要求3所述的一種基于分布式任務調度的GFS氣象數據分發、傳輸方法，其特征在于，所述每天獲取氣象監測點的外景圖像，并對外景圖像進行向量化處理，得到外景圖像的特征向量組還包括以下步驟：

特征提取網絡獲取外景圖像的特征向量，全連接層根據外景圖像的特征向量的特征維度與外景圖像的類別數目建立參數矩陣，并對參數矩陣進行初始化處理，得到與不同外景圖像的特征向量一一對應的類別向量；

計算外景圖像的特征向量與類別向量之間的第一歐式距離，并計算不同外景圖像的類別向量之間的第二歐式距離；

根據第一歐式距離及第二歐式距離計算外界圖像的樣本損失，并根據外界圖像的樣本損失計算外界圖像的特征向量和類別向量的梯度，根據梯度更新特征提取網絡的參數和全連接層的參數矩陣；

根據更新后的特征提取網絡及全連接層對外景圖像進行向量化處理。

5.根據權利要求4所述的一種基于分布式任務調度的GFS氣象數據分發、傳輸方法，其特征在于，所述根據第一歐式距離及第二歐式距離計算外界圖像的樣本損失為：

L=L_a+λL_b，L_a為softmax損失，L_b為余弦中心損失，λ為權重。