[发明专利]一种气象信息预测方法及装置在审

专利信息
申请号: 201911098394.8 申请日: 2019-11-12
公开(公告)号: CN112285807A 公开(公告)日: 2021-01-29
发明(设计)人: 魏永超;黄小猛;黄忻尧;周峥;邓玥 申请(专利权)人: 北京嘉韵楷达气象科技有限公司;无锡九方科技有限公司
主分类号: G01W1/10 分类号: G01W1/10;G06K9/62
代理公司: 暂无信息 代理人: 暂无信息
地址: 100013 北京市朝阳区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 气象 信息 预测 方法 装置
【权利要求书】:

1.一种气象信息预测方法,其特征在于,包括:

获取与气象站点关联的模式预报站点的实时气象数据;

基于所述实时气象数据生成所述气象站点的融合气象数据;

将所述融合气象数据输入气象预测模型获取目标气象事件的等级及其对应的概率,其中,所述气象预测模型通过随机森林模型生成;以及

基于目标气象事件的等级及其对应的概率进行所述气象站点的气象信息预测。

2.如权利要求1所述的方法,其特征在于,还包括:

获取模式预报站点的历史气象数据;

基于所述历史气象数据生成气象站点的历史融合气象数据;以及

基于所述历史融合气象数据对随机森林模型进行训练生成所述气象预测模型。

3.如权利要求2所述的方法,其特征在于,基于所述历史融合气象数据对随机森林模型进行训练生成所述气象预测模型,包括:

获取多个目标气象事件的等级分类信息;

基于所述等级分类信息为所述历史融合气象数据确定等级标签;以及

通过带有等级标签的历史融合气象数据对随机森林模型进行训练生成所述气象预测模型。

4.如权利要求3所述的方法,其特征在于,通过带有等级标签的历史融合气象数据对随机森林模型进行训练生成所述气象预测模型,包括:

基于多个目标气象事件,分别通过带有等级标签的历史融合气象数据对随机森林模型进行训练生成气象预测子模型;

为多个气象预测子模型分别确定决策参数;以及

通过多个气象预测子模型及其对应的决策参数生成所述气象预测模型。

5.如权利要求3所述的方法,其特征在于,通过带有等级标签的历史融合气象数据对随机森林模型进行训练生成所述气象预测模型,包括:

将带有等级标签的历史融合气象数据划分为测试集数据和训练集数据;以及

通过所述训练集数据对随机森林模型进行训练生成所述气象预测模型。

6.如权利要求5所述的方法,其特征在于,通过带有等级标签的历史融合气象数据对随机森林模型进行训练生成所述气象预测模型,还包括:

通过所述测试集数据对所述气象预测模型进行验证。

7.如权利要求1所述的方法,其特征在于,获取与气象站点关联的模式预报站点的实时气象数据,还包括:

基于位置信息确定与所述气象站点关联的所述模式预报站点。

8.如权利要求1所述的方法,其特征在于,基于所述实时气象数据生成所述气象站点的融合气象数据,包括:

基于所述模式预报站点和所述气象站点之间的距离,为所述模式预报站点确定融合权重;以及

基于所述融合权重将所述模式预报站点对应的实时气象数据进行插值处理生成所述融合气象数据。

9.如权利要求1所述的方法,其特征在于,将所述融合气象数据输入气象预测模型获取目标气象事件的等级及其对应的概率,包括:

将所述融合气象数据输入气象预测模型;

所述气象预测模型中的多个分类器对所述融合气象数据进行决策计算;以及

根据计算结果生成目标气象事件的等级及其对应的概率。

10.如权利要求9所述的方法,其特征在于,将所述融合气象数据输入气象预测模型,还包括:

基于目标气象事件确定所述气象预测模型的决策参数。

11.如权利要求1所述的方法,其特征在于,还包括:

根据目标气象事件的等级及其对应的概率生成气象预测信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京嘉韵楷达气象科技有限公司;无锡九方科技有限公司,未经北京嘉韵楷达气象科技有限公司;无锡九方科技有限公司许可,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/201911098394.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top