申请/专利权人：江苏省气象台

申请日：2020-09-15

公开（公告）日：2024-04-02

公开（公告）号：CN112053005B

主分类号：G06F18/25

分类号：G06F18/25;G06F18/214;G06Q10/04;G06N20/00;G01W1/10;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.12.25#实质审查的生效;2020.12.08#公开

摘要：本发明实施例公开了降水预报技术领域的一种主客观降水预报的机器学习融合方法，包括如下步骤：S1、对数值模式确定性预报历史资料进行整编，得到长度不小于一年的降水及与降水相对应的预设相关物理量的标准化数据集Q1；S2、对数值模式集合预报历史资料进行整编，得到长度不小于一年的全集成员降水预报标准化数据集Q2；S3、通过CIMISS数据接口获取长度不小于一年的自动观测站实况降水资料，并整编为标准化数据集Q3。本发明通过建立降水空间分布与数值模式降水及相关产品之间数学模型的方法，解决丢失数值模式降水特征，缺少物理意义的问题。通过重构整个降水空间场内的降水分布特征，解决融合边界处降水量不连续的问题。

主权项：1.一种主客观降水预报的机器学习融合方法，其特征在于，包括如下步骤：S1、对数值模式确定性预报历史资料进行整编，得到长度不小于一年的降水及与降水相对应的预设物理量的标准化数据集Q1；S2、对数值模式集合预报历史资料进行整编，得到长度不小于一年的全集成员降水预报标准化数据集Q2；S3、通过CIMISS数据接口获取长度不小于一年的自动观测站实况降水资料，并整编为标准化数据集Q3；S4、比对标准化数据集Q1、Q2和Q3，剔除任一数据不齐全时段，将得到相同时段内的规整数据集建立模型；S5、分析筛选出指定数量的与降水空间分布特征关系相关联的重要性预报因子，并进入模型构建阶段；S6、通过机器回归方案学习，构建降水空间分布特征与数值模式预报因子之间的关系，并建立预报模型；S7、通过主观降水落区预报相关降水量级等值线数据；S8、根据降水空间分布特征模型在不同等值线区域内重构与主观降水落区相符的降水格点场；S9、融合各降水量级格点场，得出主客观融合预报结果；其中，所述S5中筛选预报因子的方法为随机森林法；所述S6中机器回归方案学习包括GBDT回归方案学习和ADABOOST回归方案学习中的其中一种。

全文数据：

权利要求：

百度查询： 江苏省气象台 一种主客观降水预报的机器学习融合方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD