[发明专利]基于气象的城市运行管理大数据分析预测方法和系统

说明书

本发明公开了一种基于气象的城市运行管理大数据分析预测方法和系统，建立事件数量预测模型，模型基于经典的机器学习算法梯度提升模型，并使用了两步法建模、随机截距模型和随机效应模型对梯度提升模型进行了改进，得以更好的捕捉事件发生的规律。而在模型实际运行中，通过融合多类数据源(气象自动站数据、格点化气象要素预报数据、网格事件数据、热线事件数据以及110气象灾情数据)，实现了48小时内分街镇，逐12小时的事件发生数量预测和对应风险预警等级。而在事件数量预测模型的基础上，通过计算气象要素对于事件数量预测值的贡献值，得到了风速、降水、气温这三类气象要素对事件数量发生的影响。

技术领域

本发明涉及气象技术领域，特别涉及一种基于气象的城市运行管理大数据分析预测方法和系统。

背景技术

近年来，大数据技术发展迅猛，成为世界各国研究和角逐的热点。一方面，大数据技术应用的范围很广，尤其是在医疗、金融、安防、汽车等领域较为突出。气象应用也一直是高性能计算的重要领域，大数据技术给观测、预报、服务等业务的发展带来不可多得的机遇，也带来极大的挑战。因此，大数据技术的发展的特点对气象业务也产生了重大影响。另一方面，机器学习、模型训练处理以及计算机视觉等重大的大数据技术都在不同的领域对气象产生了深刻影响，并不同程度的影响到受众的生活。

发明内容

为解决现有技术中存在的上述不足之处，本发明提供了一种基于气象的城市运行管理大数据分析预测方法和系统，能够建立长时间滚动累计事件总数量以及特定事件场景的预测模型。

本发明提供如下技术方案：

第一方面，一种基于气象的城市运行管理大数据分析预测方法，其包括：

采集数据源，生成事件数量预测模型训练集；

基于所述训练集，采用两步法建模分别对事件发生概率和事件发生数量进行建模；

在事件发生概率模型中，采用梯度提升模型预测各对象在t时间内是否会发生事件，并将各对象在t时间内是否发生事件的概率作为输出；

在事件发生数量模型中，采用梯度提升模型预测各对象一旦发生事件时在t时间内发生事件的数量；

将事件预期发生的概率与事件一旦发生时的预期数量相乘，得到事件发生的数量值，建立事件数量预测模型。

作为本发明预测方法的一种优选技术方案，所述数据源包括气象自动站数据、格点化气象要素预报数据、网格事件数据、热线事件数据以及110气象灾情数据。

作为本发明预测方法的一种优选技术方案，所述梯度提升模型为基于LightGBM的梯度提升模型，在此基础上引入随机截距模型和随机效应模型对模型进行优化升级。

作为本发明预测方法的一种优选技术方案，还包括针对时间数据、历史和实况气象要素数据以及历史和实况城市运行数据(网格数据、热线数据、110气象灾情数据)进行特征挖掘，并作为所述事件数量综合预测模型的输入，加入所述模型训练。

作为本发明预测方法的一种优选技术方案，在所述历史和实况城市运行数据特征的挖掘中，采用偏自相关系数来判定事件发生数量在时间上的延后性。

作为本发明预测方法的一种优选技术方案，在历史和实况气象要素数据特征的挖掘上，考量各气象要素对事件发生数量的瞬时以及历史影响，并且，在历史气象要素对事件发生数量的影响上，采用交叉相关系数来计算事件发生数量与不同气象要素在时间上的滞后关系。

作为本发明预测方法的一种优选技术方案，在建立所述事件数量预测模型的同时，还包括采用所述两步法建模选取与气象影响密切相关的事件场景，建立场景模型。

作为本发明预测方法的一种优选技术方案，还包括建立事件风险预警模型：通过结合历史事件发生数量分位数以及事件发生数的绝对阈值，制定事件预警标准。