[发明专利]一种基于深度学习的气温预报偏差订正方法及装置

说明书

本申请公开了一种基于深度学习的气温预报偏差订正方法及装置。该方法在获取针对预报区域的格点预报数据后；基于格点预报数据，获取各时刻的气温格点预报矩阵；训练气温预报订正模型，并利用训练的气温预报订正模型对各时刻的气温格点预报矩阵进行处理，得到一种气温预报的订正相应时刻的气温格点预报的订正矩阵，从而获取各时刻的气温格点预报订正数据。该方法提高了订正预报的准确性。

技术领域

本申请涉及天气预报技术领域，尤其涉及一种基于深度学习的气温预报偏差订正方法及装置。

背景技术

目前，气象及环保的预报业务针对数值模式的预报产品大部分使用统计订正方法，即通过中短期内的历史数据进行简单地线性回归处理后，找到某一项气象要素近期内的变化趋势作为订正基础，再结合人工经验对预报结果进行经验修正的常规订正手段。这种常规的修订手段过多依赖人工经验，订正的准确度不高。

发明内容

本申请实施例提供一种基于深度学习的气温预报偏差订正方法及装置，解决了现有技术存在的上述问题，以提高订正预报的准确性。

第一方面，提供了一种基于深度学习的气温预报偏差订正方法，该方法可以包括：

获取针对预报区域的格点预报数据；所述格点预报数据包括所述预报区域内各格点在各时刻的气象要素预报数据；

基于所述格点预报数据，获取所述各时刻的气温格点预报矩阵；所述气温格点预报矩阵中的各元素为所述预报区域内各格点在相应时刻的气温预报数据；

利用所述已训练的气温预报订正模型，对所述各时刻的气温格点预报矩阵进行处理，得到相应时刻的气温格点预报的订正矩阵；其中，所述气温预报订正模型包括编码器和解码器；所述编码器用于基于预设层数的编码层对当前输入矩阵进行逐层编码处理，并将处理后的编码矩阵输入所述解码器；所述解码器用于基于预设层数的解码层对所述编码器处理后的编码矩阵进行逐层解码，得到与所述当前输入矩阵对应的订正矩阵；所述气温预报订正模型是根据历史时刻的历史格点预报矩阵和相应的历史格点实况分析数据进行训练得到的；

针对每个时刻，基于所述时刻的气温格点预报的订正矩阵，获取所述时刻的气温格点预报订正数据。

在一个可能的实施例中，所述格点预报数据还包括除所述气温气象要素外的至少一种其他气象要素的预报数据；所述其他气象要素为与所述气温气象要素相关的气象要素；

获取所述各时刻的气温格点预报矩阵之后，所述方法还包括：

基于所述格点预报数据中所述至少一种其他气象要素的预报数据，获取所述各时刻的所述至少一种其他气象要素的格点预报矩阵；

针对每个时刻，对所述时刻的气温格点预报矩阵和所述至少一种其他气象要素的格点预报矩阵进行矩阵的层级叠加，生成所述时刻的气象要素的格点层级矩阵；

利用所述已训练的气温预报订正模型，对所述时刻的气温格点预报矩阵进行处理，得到相应时刻的气温格点预报的订正矩阵，包括：

利用所述已训练的气温预报订正模型，对所述时刻的气象要素的格点层级矩阵进行处理，得到相应时刻的气温格点预报的订正矩阵。

在一个可能的实施例中，基于所述格点预报数据，获取所述各时刻的气温格点预报矩阵之前，所述方法还包括：

针对每个时刻，获取所述时刻的气温格点预报数据，以及获取以所述时刻起，以预设时间段为步长的至少一个历史时刻的误差格点数据；其中，所述历史时刻的误差格点数据为所述历史时刻的气温格点预报数据与相应历史时刻的气温格点实况分析数据的差值；

获取所述各时刻的气温格点矩阵之后，所述方法还包括：

对所述各时刻的气温格点矩阵和所述至少一个历史时刻的误差格点数据对应的误差格点矩阵进行矩阵的层级叠加，生成所述各时刻的气温格点层级矩阵；