[发明专利]基于带状数据的预报精度提升方法、系统、设备及介质

权利要求书

1.一种基于带状数据的预报精度提升方法，其特征在于，包括：

基于二维傅里叶变换法，对输电线路区域气象预报所需的二维观测同化场进行分解，得到波数气象场；

对所述波数气象场中由带状加密数据引起的异常波数进行识别；

将所述波数气象场中的异常波数剔除，并进行反傅里叶变换，得到精度提升的观测同化场；

所述观测同化场，为观测时间内输电线路微气象监测装置的带状加密气象观测数据和气象部门观测数据的同化结果，用于进行气象预报；所述波数气象场，为观测同化场二维傅里叶变换后的形式。

2.如权利要求1所述的方法，其特征在于，所述对所述波数气象场中由带状加密数据引起的异常波数进行识别，包括：

基于波动幅值和波动幅值的数量，逐波数对波数气象场的波动进行识别，确定所述波数气象场中由带状加密数据引起的异常波数。

3.如权利要求2所述的方法，其特征在于，所述异常波数包括：

波动幅值达到设定阈值，且波动幅值持续出现的次数达到设定次数的波数。

4.如权利要求1所述的方法，其特征在于，所述得到波数气象场之后，对所述波数气象场中由带状加密数据引起的异常波数进行识别之前，还包括：

确定需要进行异常波数识别的波数气象场的波数范围；

选择波数范围确定的波数气象场中，设定时长内且为同一高度的波数气象场，作为需要进行异常波数识别的波数气象场；

其中，所述波数范围为可覆盖中小尺度气象的波数。

5.如权利要求1所述的方法，其特征在于，所述基于二维傅里叶变换法，对输电线路区域的观测同化场进行分解的方式，包括：Python的np.fft.fft2函数。

6.一种基于带状数据的预报精度提升系统，其特征在于，包括：分解模块、识别模块、剔除模块和预报模块；

所述分解模块，用于基于二维傅里叶变换法，对输电线路区域气象预报所需的二维观测同化场进行分解，得到波数气象场；

所述识别模块，用于对所述波数气象场中由带状加密数据引起的异常波数进行识别；

所述剔除模块，用于将所述波数气象场中的异常波数剔除，并进行反傅里叶变换，得到精度提升的观测同化场；

所述预报模块，用于将所述精度提升的观测同化场进行数值积分，并对未来天气开展预测；

其中，所述观测同化场，为观测时间内输电线路微气象监测装置的带状加密气象观测数据和气象部门观测数据的同化结果，用于进行气象预报；所述波数气象场，为观测同化场二维傅里叶变换后的形式。

7.如权利要求6所述的系统，其特征在于，所述对所述波数气象场中由带状加密数据引起的异常波数进行识别，包括：

基于波动幅值和波动幅值的数量，逐波数对波数气象场的波动进行识别，确定所述波数气象场中由带状加密数据引起的异常波数。

8.如权利要求7所述的系统，其特征在于，所述异常波数包括：

波动幅值达到设定阈值，且波动幅值持续出现的次数达到设定次数的波数。

9.如权利要求6所述的系统，其特征在于，所述得到波数气象场之后，对所述波数气象场中由带状加密数据引起的异常波数进行识别之前，还包括：

确定需要进行异常波数识别的波数气象场的波数范围；

选择波数范围确定的波数气象场中，设定时长内且为同一高度的波数气象场，作为需要进行异常波数识别的波数气象场；

其中，所述波数范围为可覆盖中小尺度气象的波数。

10.如权利要求6所述的系统，其特征在于，所述基于二维傅里叶变换法，对输电线路区域的观测同化场进行分解的方式，包括：Python的np.fft.fft2函数。