[发明专利]基于北斗信号及地面无线信号的天气预测方法

摘要

本发明公开的于北斗信号及地面无线信号的天气预测方法，涉及天气预报技术领域，结合北斗定位信号与地面无线信号，通过采用训练后的数据融合模型和神经网络预测模型进行天气预测，使得神经网络预测模型易于训练，提高了现有天气预测方法的准确度，解决了现有现有天气预测方法存在的循环神经网络模型难以训练及预报的准确度不高的缺陷。

主权项

1.一种基于北斗信号及地面无线信号的天气预测方法，其特征在于，包括以下步骤：Step1：在基站BS处及设定的时间段内，持续接收北斗信号和地面无线信号并分别提取所述北斗信号的延迟与信噪比及所述地面无线信号的信噪比；Step2：在所述时间段内，以小时为单位，抽取所述北斗信号的延迟与信噪比、所述地面无线信号的信噪比及所述时段内的天气状况，计算所述时段内所述北斗信号的延迟与信噪比的均值与方差及所述地面无线信号的信噪比的均值与方差并对所述北斗信号的延迟与信噪比的均值与方差、所述地面无线信号的信噪比的均值与方差进行预处理，对所述天气状况进行编码，生成与所述天气状况对应的天气编码；Step3：将所述北斗信号的延迟与信噪比的均值与方差、所述地面无线信号的信噪比的均值与方差及所述天气编码作为训练样本，根据所述训练样本，对学习器进行训练，生成数据分类模型，所述数据分类模型根据贝叶斯融合算法，生成数据融合模型，所述数据融合模型对经学习器分类后的北斗信号的延迟与信噪比的均值与方差、地面无线信号的信噪比的均值与方差及天气编码进行融合；Step4：将融合后的北斗信号的延迟与信噪比的均值与方差、地面无线信号的信噪比的均值与方差及天气编码按照时间序列划分为若干个窗口大小为M的数据集合，将前K组数据作为训练样本进行输入、后M‑K组数据作为验证数据，采用前K组数据，对神经网络进行训练，生成预测神经网络模型，其中，M、K均为自然数，K≤M；Step5：从所述数据集合中，选取时间序列为N‑(K+1)～N的数据作为所述预测神经网络模型的输入数据，将预测神经网络模型输出的数据作为所述数据融合模型的输入数据，将所述数据融合模型输出的数据与所述天气编码相比较，确定最终预测的天气状况，其中，N为自然数；Step6：发布所述天气状况。