[发明专利]一种用于数值模式的参数模型的加速方法及设备

权利要求书

1.一种用于数值模式的参数模型的加速方法，其特征在于，所述方法包括：

对数值模式的参数模型中的主函数进行拆分为单柱模式，并对所述主函数调用的子函数拆分为单柱模式；

将所述参数模型的输出修改为处于单柱模式的主函数的输入输出变量；

进行预设时间跨度内的数值模拟，保存所有数值模拟得到的输入输出变量；

基于所述所有数值模拟得到的输入输出变量构建机器学习模型，将所述机器学习模型耦合至所述处于单柱模式的主函数中。

2.根据权利要求1所述的方法，其特征在于，对数值模式的参数模型中的主函数进行拆分为单柱模式，包括：

对WRF数值模式的WSM6参数模型中的主函数进行拆分为基于经度和纬度的单柱模式。

3.根据权利要求2所述的方法，其特征在于，进行预设时间跨度内的数值模拟，包括：

运行WRF数值模式，将预设时间跨度内的天气参数输入所述WRF数值模式中进行数值模拟。

4.根据权利要求1所述的方法，其特征在于，将所述参数模型的输出修改为处于单柱模式的主函数的输入输出变量，包括：

按纬度对所述参数模型的输出数据进行修改，将修改后的数据按照预设结构存储至文本中；

将所述文本中存储的数据作为处于单柱模式的主函数的输入输出变量。

5.根据权利要求1所述的方法，其特征在于，基于所述所有数值模拟得到的输入输出变量构建机器学习模型，包括：

使用spark及所述所有数值模拟得到的输入输出变量构建梯度下降树模型，

或基于所述所有数值模拟得到的输入输出变量构建多层神经网络模型。

6.根据权利要求1所述的方法，其特征在于，将所述机器学习模型耦合至所述处于单柱模式的主函数中包括：

将所述机器学习模型耦合至所述处于单柱模式的主函数中替换掉处于单柱模式的子函数，得到包括调用所述机器学习模型的程序的数值模式；

编译并运行所述包括调用所述机器学习模型的程序的数值模式。

7.根据权利要求1所述的方法，其特征在于，基于所述所有数值模拟得到的输入输出变量包括：输入变量和输出变量，

其中，所述输入变量包括当前时步的温度、湿度、气压、液相和冰相粒子浓度；

所述输出变量包括下一时步的温度、湿度、气压、液相和冰相粒子浓度以及降水信息。

8.根据权利要求3所述的方法，其特征在于，将预设时间跨度内的天气参数输入所述WRF数值模式中进行数值模拟，包括：

根据算力及存储空间确定目标区域以及目标区域的预设时间跨度；

获取所述目标区域的预设时间跨度内的天气参数，将获取到的天气参数输入所述WRF数值模式中进行数值模拟。

9.一种用于数值模式的参数模型的加速设备，其特征在于，所述加速设备包括：

拆分装置，用于对数值模式的参数模型中的主函数进行拆分为单柱模式，并对所述主函数调用的子函数拆分为单柱模式；

修改装置，用于将所述参数模型的输出修改为处于单柱模式的主函数的输入输出变量；

模拟装置，用于进行预设时间跨度内的数值模拟，保存所有数值模拟得到的输入输出变量；

构建装置，用于基于所述所有数值模拟得到的输入输出变量构建机器学习模型，将所述机器学习模型耦合至所述处于单柱模式的主函数中。

10.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至8中任一项所述的方法。