[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

说明书

本申请的目的是提供一种用于数值模式的参数模型的加速方法及设备，本申请通过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。从而提高参数化方案的计算速度，有效提高数值模式的整体运算速度，同时可以有效节约计算资源，降低数值模式的运行成本。

技术领域

本申请涉及计算机领域，尤其涉及一种用于数值模式的参数模型的加速方法及设备。

背景技术

数值天气预报(numerical weather prediction)是指根据大气实际情况在一定的初值和边值条件下，通过大型计算机作数值计算，求解描述天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。经过几十年的计算机技术，大气探测技术和大气科学及相关学科的发展，数值预报系统已经能够提供具有较高可信度的天气预报，对具体气象要素(比如气温)的预报也已经达到相当的精度。

在数值天气预报中，除了包括求解由连续方程、热力学方程、水汽方程、状态方程和3个气动力方程所构成的方程组这一动力过程外，也包括许多物理和化学参数化方案。数值天气预报模式对天气过程发展的物理描述主要通过物理过程参数化实现。因此。物理过程参数化方案的发展一直是国际研究热点，也是数值模式改进的难点。

在进行数值天气预报的数值计算过程中，参数化方案，尤其是辐射参数化方案和微物理参数化方案，由于其计算过程复杂，计算量往往偏大，因此所消耗的时间往往较长，计算资源往往较多。

发明内容

本申请的一个目的是提供一种用于数值模式的参数模型的加速方法及设备方法及设备，解决现有技术中数值模式的参数化方案的整体计算过程复杂、计算量较大以及计算资源消耗较大的问题。

根据本申请的一个方面，提供了一种用于数值模式的参数模型的加速方法，该方法包括：

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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。