申请/专利权人:安徽省公共气象服务中心(安徽省突发公共事件预警信息发布中心)
申请日:2023-10-19
公开(公告)日:2023-11-24
公开(公告)号:CN117111182A
主分类号:G01W1/10
分类号:G01W1/10;G06F18/214;G06F18/241;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.12#实质审查的生效;2023.11.24#公开
摘要:基于气块反向追踪的大雾短期预报方法,属于气象预报技术领域,包括以下步骤:S100:大雾分区;S200:选取预报因子;S300:样本处理;S400:建立预报模型;S500:评估计算;本发明从大雾形成机理的角度出发,利用客观方法来完成大雾分区,将出雾一致的站点划分到同一个区域,对每一个预报位置采用追踪气块的方式,获取起报时刻气块位置、气象参数等信息,与其他影响大雾出现的气象条件一起作为影响大雾形成的关键气象因子,采用多种机器学习方法进行训练,彼此间通过对训练集和测试集的预报准确性进行对比,选取预报准确率最高的模型作为最终模型,再利用最终模型通过输入实时气象数据进行大雾短期预报,提高了大雾短期预报的时效性和准确性。
主权项:1.基于气块反向追踪的大雾短期预报方法,其特征在于,包括以下实施步骤:S100:大雾分区,选定大雾预报测试地区,将选定区域划分成不同的大雾分区,在分区划分不同气块以追踪气象的预报因子数据;S200:选取预报因子,根据大雾形成机理选取影响大雾形成的关键气象预报因子作为预报因子,以能见度是否低于500m作为分类依据,采用多种分类方法进行训练,并选取最优模型作为最终模型;S300:样本处理,计算机利用EC数值预报产品计算相应的预报因子,将样本分为训练集和测试集;S400:建立模型,计算机利用训练集采用随机森林、决策树、贝叶斯、提升树和多元回归模型五种机器学习方法进行训练,完善学习计算方法;S500:评估计算,计算机利用测试集对各个大雾分区的大雾出现概率进行评估,以测试样本准确率高低为依据,选取准确率最高的机器学习算法作为预测方法。
全文数据:
权利要求:
百度查询: 安徽省公共气象服务中心(安徽省突发公共事件预警信息发布中心) 基于气块反向追踪的大雾短期预报方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。