[发明专利]一种用于气象预测的数据处理方法及装置

说明书

本文公开了一种用于气象预测的数据处理方法及装置；上述数据处理方法包括：按照设定的区域划分方式，确定预报站点关联的多个气象观测区域；确定预报站点关联的气象数据，其中，气象数据包括：一个或多个观测时刻在预报站点关联的多个气象观测区域内一个或多个气象观测特征的数据；利用预报站点关联的气象数据进行深度学习训练，得到气象预测模型。

技术领域

本发明涉及数据处理技术，尤其涉及一种用于气象预测的数据处理方法及装置。

背景技术

在传统的气象预报中，根据当前观察到的气象信息(比如，降雨量、温度、露点温度、气压、卫星云图等)，利用一些简单的经验公式进行近似计算，再由预报员参考计算结果依靠经验做出最后判断，比如判断目标预报地区是否会有降雨。然而，传统的气象预报方式需要大量的人工干预，而且只能抓取出一些人可以看出并比较容易理解的规律。但是，气象预测是一个复杂的混沌系统，有些潜在规律无法通过人的简单观察或者公式计算就可以准确得出。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供一种用于气象预测的数据处理方法及装置，能够提高气象预测的准确性。

本申请实施例提供一种用于气象预测的数据处理方法，包括：

按照设定的区域划分方式，确定预报站点关联的多个气象观测区域；

确定所述预报站点关联的气象数据，其中，所述气象数据包括：一个或多个观测时刻在所述预报站点关联的多个气象观测区域内一个或多个气象观测特征的数据；

利用所述预报站点关联的气象数据进行深度学习训练，得到气象预测模型。

其中，所述确定所述预报站点关联的气象数据，可以包括：

对所述预报站点本地的气象观测特征进行地理扩展，确定用于深度学习训练的气象数据；或者，

对所述预报站点本地的气象观测特征进行地理扩展，对地理扩展之后的气象数据进行时间扩展，确定用于深度学习训练的气象数据。

其中，所述对地理扩展之后的气象数据进行时间扩展，可以包括：

确定目标观测特征以及相关观测特征；

从所述地理扩展后的气象数据中，选择所述目标观测特征在目标观测时刻的数据、所述相关观测特征在多个历史观测时刻的数据；其中，所述目标观测时刻晚于或等于所述历史观测时刻；

分别计算所述相关观测特征在任一个历史观测时刻的数据与所述目标观测特征在所述目标观测时刻的数据之间的相关系数；

从所述相关观测特征在多个历史观测时刻的数据中，筛选出对应的相关系数满足设定条件的历史观测时刻的数据；

所述利用所述预报站点关联的气象数据进行深度学习训练，可以包括：

利用所述目标观测特征在所述目标观测时刻的数据以及所述相关观测特征在筛选出的历史观测时刻的数据进行深度学习训练。

其中，所述从所述相关观测特征在多个历史观测时刻的数据中，筛选出对应的相关系数满足设定条件的历史观测时刻的数据，可以包括：

按照所述历史观测时刻的先后顺序，将所述计算得到的相关系数进行排序；

在所述相关系数的序列中，确定所述相关系数的连续单调上升个数最多的区间；

筛选出所述区间内的相关系数对应的历史观测时刻的数据。

其中，所述确定所述预报站点关联的气象数据之前，所述数据处理方法还可以包括：