[发明专利]高空间分辨率的精细化大气水平能见度自动预报方法及系统有效
申请号: | 201910756480.7 | 申请日: | 2019-08-16 |
公开(公告)号: | CN110471131B | 公开(公告)日: | 2023-04-18 |
发明(设计)人: | 李昕蓓;张苏平;衣立;崔丛欣;韩美;潘宁 | 申请(专利权)人: | 中国海洋大学 |
主分类号: | G01W1/10 | 分类号: | G01W1/10;G06N3/0464;G06N3/0499;G06F18/214 |
代理公司: | 青岛海昊知识产权事务所有限公司 37201 | 代理人: | 张中南 |
地址: | 266100 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 空间 分辨率 精细 大气 水平 能见度 自动 预报 方法 系统 | ||
1.一种高空间分辨率的精细化大气水平能见度自动预报方法,其特征在于包括以下步骤:
首先利用已有的大气数值模式数据和自动气象站观测数据,并且以水平距最小原则建立包含预报因子与标签的大型数据集;
然后输入上述大型数据集到已有的深度神经网络框架中,随机分配神经元权重,预报因子经过上述深度神经网络的输入层和上述深度神经网络的第一个隐藏层,得到预报因子与标签之间的多个线性关系和相应的输出结果;
再将上述深度神经网络的Relu激活函数施加在上述输出结果上,得到非线性关系和下一个输出结果,作为第二个隐藏层的输入;
如此经由5-10个隐藏层后,即得到了预报因子和标签之间的非线性关系,且经过上述深度神经网络神经元的反馈学习不断调整权重,训练出一个能根据预报因子给出能见度的模型,即最终得到选定区域的能见度模型,从而实现大气能见度值和能见度等级的初级自动预报;
对上述的大气能见度值和能见度等级的初级自动预报结果进行反距离权重插值计算,得到空间分辨率米级的能见度结果;
所述的反距离权重插值计算公式为
其中,wi为待插值点的权重,di为待插值点到插值点的距离,p为幂参数,n为搜索半径内待插值点总数,(x,y)为插值点坐标,(xi,yi)为待插值点坐标,z*(x,y)为插值点插值结果,z(xi,yi)为待插点的值;
所述大型数据集建立具体步骤如下:
首先选择需要进行预报的区域,统计区域内格点和站点的地理位置,选定其中一个格点,并计算到预报区内每个站点的水平距;
然后将水平距小于3km的站点的能见度值作为该格点的标签,与该格点上的预报因子一起组成一个样本;若存在多个水平距小于3km的站点,则选择水平距最小的一个站点为该格点的标签,与该格点上的预报因子一起组成一个样本;若不存在水平距小于3km的站点,则该格点没有作为样本的资格;
最后对区域内每个格点进行上述操作,得到一系列样本的集合,即得大型数据集;
将大型数据集输入到深度神经网络框架的准备步骤如下:
首先将该大型数据集进行归一化;
当建立能见度值模型时,预报因子和标签均采用min-max归一化方法:
x*=(x-Xmin)/(Xmax-Xmin)
其中,x是数据集中某个样本中预报因子的值,Xmin和Xmax分别是数据集中所有样本中该预报因子的最小值和最大值,x*是归一化值;
当建立能见度等级模型时,预报因子采用min-max归一化方法,标签采用one-hot编码,编码方式如下:
1=[1,0,0,…,0,0]
2=[0,1,0,…,0,0]
3=[0,0,1,…,0,0]
…
n-1=[0,0,0,…,1,0]
n=[0,0,0,…,0,1]
其中n为等级总数;
然后随机选取上述数据集中的80%作为训练集,20%作为测试集;
最后设置深度神经网络输入层神经元数量等于或大于预报因子中包含的要素个数。
2.如权利要求1所述的大气水平能见度自动预报方法,其特征在深度神经网络学习的具体步骤包含得到预报因子与标签之间关系的前向传播、评估模型效果的损失计算和更新神经网络权重的反向传播:
前向传播:预报因子通过多层隐藏层得到其与标签之间的非线性关系和一个输出值;输出值计算公式为:O=f(WI+B),其中O为输出值,W为权重,I为输入值(此处为预报因子),B为偏置,f为激活函数;
损失计算:计算输出值与标签之间的误差以评估能见度值模型和能见度等级模型的效果,并与反向传播配合以使误差不断减小;
当建立能见度值模型时,计算公式为:L=∑(O-T)2;
当建立能见度等级模型时,计算公式为:其中O为输出值,T为标签,m为类别总数,pc为类别c的概率;
反向传播:根据损失反向更新权重,使得权重更新后的损失比原损失小。
3.如权利要求1所述的大型数据集建立方法,其特征在于所述预报因子是:
地表以上10米处的纬向风(m/s)、地表以上10米处的经向风(m/s)、地表以上2米处的温度(K)、地表以上2米处的露点温度(K)、温度露点差(K)、地表以上2米处的相对湿度、925hPa大气等压面上的相对湿度、大气边界层底距离地面的空间垂直距离(m)、云底高度小于2500m的云遮蔽天空的百分比、表征大气稳定度的FSI指数、表征空气湿度的FSL指数,共有涉及到包括地面和高空信息的12个要素;
FSI指数和FSL指数计算公式如下:
FSI指数:FSI=2|Ts-Td|+2|Ts-T850|+u10;
FSL指数:FSL=6000×(T2m-Td)/Rh1.75;
其中Ts为地表温度、Td为地表以上2米露点温度(K)、T850为850hPa等压面上的温度(K)、u10为地表以上10米处的纬向风(m/s)、T2m地表以上2米处的温度(K)、Rh为地表以上2米处的相对湿度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国海洋大学,未经中国海洋大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910756480.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种用于海洋预报的监测装置
- 下一篇:在线监测户外环网柜或分支箱凝露的方法