[发明专利]一种基于神经网络的数值预报产品订正方法、装置和系统

权利要求书

1.一种基于神经网络的数值预报产品订正方法，其特征在于，步骤包括：

获取原始预报数据和历史观测数据；

对所述原始预报数据和所述历史观测数据进行预处理以生成训练集；

利用所述训练集优化气象数值预报订正模型；

将数值预报及最新观测数据通过所述气象数值预报订正模型进行运算，得出气象数值预报订正值。

2.如权利要求1所述的基于神经网络的数值预报产品订正方法，其特征在于，所述对所述原始预报数据和所述历史观测数据进行预处理以生成训练集，具体步骤包括：

获取原始预报数据和历史观测数据后，从所述原始预报数据中提取网格位置数据，以及从历史观测数据提取站点位置数据；

根据所述网格位置数据及所述站点位置数据，利用插值算法将原始预报数据插值到站点，以整理成作为训练集的数据表。

3.如权利要求1所述的基于神经网络的数值预报产品订正方法，其特征在于，所述将数值预报及最新观测数据通过所述气象数值预报订正模型进行运算，得出气象数值预报订正值，具体为：

设定更新时间；

查询预报发布文件以确定目标时间；

根据所述更新时间和所述目标时间，设定订正目标时间；

对每个订正目标时间构造训练集以训练对应的气象数值预报订正模型；

调用对应的气象数值预报订正模型做出订正。

4.如权利要求3所述的基于神经网络的数值预报产品订正方法，其特征在于，所述对每个订正目标时间构造训练集，具体为：

输入首末发布时间以确定数据集范围；

遍历首末发布时间之间的所有发布时间点，对每一发布时间点构造训练集；

合并所有发布时间点的训练集。

5.如权利要求1所述的基于神经网络的数值预报产品订正方法，其特征在于，所述利用所述训练集优化气象数值预报订正模型，在训练过程中采用迷你批量下降法进行优化迭代，按照由若干个样本组成的样本批次计算参数更新的梯度，具体计算方式如下：

其中，w_ij⁽ⁿ⁾为第n批量的梯度值，w_ij^(n-1)为n-1批量的梯度值，α为学习率，为当前位置的损失函数的梯度，其中为求导形式，E_nk(w^(n-1))为损失函数。

6.如权利要求5所述的基于神经网络的数值预报产品订正方法，其特征在于，神经网络训练过程中，对于每一样本批次的每个隐层节点输入值，通过以下方式进行标准化：

其中，x分别为标准化后、标准化前的节点输入值，E[x]和Var[x]分别是该样本批次在该节点输入值的均值和方差。

7.一种基于神经网络的数值预报产品订正装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的基于神经网络的数值预报产品订正方法。

8.一种基于神经网络的数值预报产品订正系统，其特征在于，包括：

采集模块，用于获取原始预报数据和历史观测数据；

数据处理模块，用于对所述原始预报数据和所述历史观测数据进行预处理以生成训练集；

模型优化模块，用于利用所述训练集优化气象数值预报订正模型；

订正模块，用于将数值预报及最新观测数据通过所述气象数值预报订正模型进行运算，得出气象数值预报订正值。

9.如权利要求8所述的基于神经网络的数值预报产品订正系统，其特征在于，所述数据处理模块，还包括：

解析模块，用于获取原始预报数据和历史观测数据后，从所述原始预报数据中提取网格位置数据，以及从历史观测数据提取站点位置数据；

插值计算模块，用于根据所述网格位置数据及所述站点位置数据，利用插值算法将原始预报数据插值到站点，以整理成作为训练集的数据表。

10.如权利要求8所述的基于神经网络的数值预报产品订正系统，其特征在于，所述订正模块，包括：

时间设置模块，用于设定更新时间；查询预报发布文件以确定目标时间；以及根据所述更新时间和所述目标时间，设定订正目标时间；

数据分类模块，用于对每个订正目标时间构造训练集；

模型调用模块，用于调用对应的气象数值预报订正模型做出订正。