[发明专利]气象软件的数据处理方法

说明书

本发明涉及气象数据处理技术领域，且气象软件的数据处理方法，包括以下步骤：S1、获取来自若干个气象软件的气象监测数据包进行预处理；S2、依据获取到的气象分类数据建立气象监测数据集，进行识别获取气候特征，并进行标记；S3、建立运动数字孪生模型；S4、依据运动数字孪生模型，获取不同气候特征的运动状态之间的相关性系数xg，依据相关性系数xg判断当期的气候是否属于极端现象；S5、依据运动数字孪生模型，关联相关性系数xg，并计算获得未来演变规律。本发明具备在数据处理过程中减少重复率，在建立运动数字孪生模型的过程中，获取不同气候特征的运动状态之间的相关性系数xg，依据相关性系数xg判断当期的气候是否属于极端污染气象的优点。

技术领域

本发明涉及气象数据处理技术领域，具体为气象软件的数据处理方法。

背景技术

自动气象站观测报表是在全月自动和人工观测数据的基础上汇总而成，要求数据正确，对降水、温度、湿度、气压、风等数据进行分析判断，将多年的预审、互审中易出现的问题进行总结。对认定疑误记录及容易出现的故障提出处理意见。

然而对于大批量的气象数据，如遇到要大批量生成数据模型的问题时，会大大降低数据模型的生成效率，这样一来就会需要消耗大量的时间来生成数据模型，且数据重复率较多，处理难度较大，如何对大批量数据进行处理和拟合，生成相关系数，便于后期预测气象规律记忆演变规律，起到了重大的作用。

发明内容

本发明提供了气象软件的数据处理方法，具备在预处理的过程中减少重复率，并统一转换设置周期生成符合统一的数据存储格式，促进后期进行相关系数计算时的精准度，在数据处理后进行计算拟合，生成相关性系数xg，便于在强降雨、高温极端过程天气发挥重要的作用，为政府处理应急减灾工作提供科学的气象参考数据，解决了上述背景技术中所提到然而对于大批量的气象数据，然而如遇到要大批量生成数据模型的问题时，会大大降低数据模型的生成效率，这样一来就会需要消耗大量的时间来生成数据模型，且数据重复率较多，处理难度较大，如何对大批量数据进行处理和拟合，生成相关系数，便于后期预测气象规律记忆演变规律的问题。

本发明提供如下技术方案：气象软件的数据处理方法，包括以下步骤：

S1、获取来自若干个气象软件的气象监测数据包，对所述气象监测数据包进行预处理，得到气象分类数据；

S2、依据获取到的气象分类数据建立气象监测数据集，对获取处理后的若干个气象分类数据维度进行分类，进行识别获取气候特征，并进行标记；

S3、匹配相同气候特征的气象数据，并根据预设阈值进行对比及分析，在处理气象监测数据时，当气候值高于预设历史阈值时，依据气象数据的曲线变化趋势，建立运动数字孪生模型；

S4、依据运动数字孪生模型，获取不同气候特征的运动状态之间的相关性系数xg，依据相关性系数xg判断当期的气候是否属于极端污染气象；

所述S4步骤中具体包括，建立运动数字孪生模型，获取不同气候特征的运动状态之间的相关性系数xg，提取不同气候特征中的气候因子，包括风向因子和湿度因子；

将风向因子和湿度因子进行拟合，获取到气象拟合因子m，并研究拟合因子m与pm2.5的关系，pm2.5是指细颗粒物，也就是空气污染浓度，计算得到相关性系数xg；

其中：所述气象拟合因子m通过以下公式进行获得：

式中，f表示为相对湿度值，e为当时温度值空气中的水汽压，E为当时干球温度下的饱和水汽压；Et'为基于温度因子下的饱和水汽压；A为干湿表测湿系数；y表示为风速值；P为当时气压值；

所述相关性系数xg通过以下计算公式获得：

式中，n表示气象因子所对应的污染物浓度数据；