[发明专利]基于机器学习的海洋大气折射率预测方法

权利要求书

1.一种基于机器学习的海洋大气折射率预测方法。其特征在于，所述方法包括：

利用数据读取处理模块提取中尺度数值模式预报气象参数与探空实测气象参数的数据特征，利用数据读取画图模块获取两种数据的分布情况；

根据两种气象参数的不同特征，采用双线性插值、神经网络拟合等对齐方法进行时空层面的数据预处理，以获得两种气象参数之间的差异规律和气象参数的变化规律；

基于提供的两种气象参数，引入梯度提升决策树等机器学习模型，从而提出融入探空实测气象参数特征的中尺度数值模式预报气象参数修正机制；

基于预报气象参数修正机制，利用气象参数到大气折射率的映射关系，进一步提出新型大气折射率预报机制。

2.根据权利要求1所述方法，其特征在于，所述利用数据读取处理模块提取中尺度数值模式预报气象参数与探空实测气象参数的数据特征包括：

中尺度数值模式预报气象参数提供24个时间段的数据，包括海面水汽压、气温、气压、水汽混合比等参数，实用性更高但在精度方面存在不足；以及

探空实测气象参数提供2个时间段的数据，包括气压、水汽压、水汽混合比、

高度、温度、露温、风向和风速等参数，精度高但拓展性低。

3.根据权利要求1所述方法，其特征在于，所述利用数据读取画图模块获取两种数据的分布情况包括：

中尺度数值模式预报数据集中分布在南海区域，数据量可达几十万个，具有数据密集且体量大的特点；以及

探空实测数据在全球均有分布，分布极为稀疏且相距较远，共计只有几百个。

4.根据权利要求1所述方法，其特征在于，所述数据预处理手段包括：

结合两种数据的时间特征并查阅世界时(UTC)和北京时间的对应关系，进行两种数据时间层面对齐；以及

利用数据读取画图模块对中尺度数值模式格点和探空观测站点绘制分布地图，筛选得到分布在南海区域的探空观测站点；以及

利用双线性插值方法处理数值模式数据进行经纬度对齐，得到经纬度对齐的两种数据；以及

利用神经网络拟合方法处理探空观测数据进行垂直高度对齐，得到垂直高度层面对齐的两种数据。

5.根据权利要求1所述方法，其特征在于，所述利用机器学习模型得到预报气象参数修正机制包括：

设计两种气象参数组成的三种特征工程方案；以及

基于三种特征工程提供的特征映射，使用不同的训练集数据训练两种机器学习模型，并使用验证集数据检验模型的拟合情况，最后使用测试集数据检验模型的修正能力，得到六种气象参数修正方案；以及

通过对比分析模型拟合优度、修正数据与模拟数据相较探空数据的平均误差、根均方根误差(RMSE)等评估指标，得到最优的气象参数修正机制。

6.根据权利要求5所述方法，其特征在于，所述三种特征方案包括：

特征工程一：仅使用对齐后的1个模拟数据；以及

特征工程二：使用探空数据周围的4个原始模拟数据；以及

特征工程三：使用对齐后的1个模拟数据和3个地理变量。

7.根据权利要求1所述方法，其特征在于，所述新型大气折射率预报机制包括：

基于预报气象参数修正机制，结合气象参数到大气折射指数的映射关系，得到新型大气折射率预报机制；以及

通过对比分析修正、模拟、探空大气折射率曲线情况和修正与模拟大气折射率相较探空大气折射率的平均误差，验证新型大气折射率预报机制的准确性。