[发明专利]基于人工智能和数值计算的天气预报方法

权利要求书

1.一种基于人工智能和数值计算的天气预报方法，其特征在于，该方法包括：

对检测区域设置多个测量区，对每个所述测量区进行数据测量以得到环境数据和环境噪声；所述环境数据包括温度、湿度和气压，所述环境噪声是指在大气中衰减后的白噪声；

基于所述环境数据分别计算当前测量区与其他每个所述测量区之间的相关性指标，由多个所述相关性指标获取所述当前测量区相较于其他所述测量区的地形相似度；对所有所述测量区的所述地形相似度进行聚类以得到多个聚类组，分别对同一聚类组内的所述地形相似度进行归一化处理以得到归一化地形相似度；基于所述测量区内的所述环境噪声计算每个所述测量区对应数据测量的置信度，结合所述归一化地形相似度和所述置信度得到每个所述测量区对应数据测量的可信度；

根据同一聚类组中每个所述测量区所对应的可信度构建TCN模型的损失函数，利用该聚类组中每个所述测量区的所述环境数据对所述TCN模型进行训练，每个聚类组对应一个所述TCN模型；

获取同一聚类组内多个所述测量区的实时环境数据，将所述实时环境数据输入对应的所述TCN模型中得到预测环境数据，根据所述检测区域内的所述预测环境数据和云层信息进行天气预报。

2.如权利要求1所述的方法，其特征在于，所述基于所述测量区内的所述环境噪声计算每个所述测量区对应数据测量的置信度的方法，包括：

计算每个所述测量区内的所述环境噪声与标准噪声之间的相似度，所述标准噪声是指相同所述环境数据下同一测量区在不同天气状态下的标准白噪声；

由所述相似度、所述环境数据和历史环境数据计算每个所述测量区对应数据测量的置信度。

3.如权利要求1所述的方法，其特征在于，在所述TCN模型训练完成后，还包括所述TCN模型的进一步优化训练，该优化方法包括：

使用数值计算天气预测法，利用差分法计算预测环境数据，将预测环境数据作为训练集以对所述TCN模型继续进行训练。

4.如权利要求1所述的方法，其特征在于，所述基于所述环境数据分别计算当前测量区与其他每个所述测量区之间的相关性指标的方法，包括：

在设定时间内获取每个所述测量区的环境数据序列，计算两个所述测量区对应所述环境数据序列之间的相似性，将所述相似性作为所述相关性指标。

5.如权利要求1所述的方法，其特征在于，所述可信度与所述归一化地形相似度呈正相关、所述可信度与所述置信度呈正相关。

6.如权利要求1所述的方法，其特征在于，所述根据同一聚类组中每个所述测量区所对应的可信度构建TCN模型的损失函数的方法，包括：

将该聚类组内归一化后的所述可信度作为质量系数，结合所述质量系数和均方差损失函数得到所述TCN模型的损失函数。