[发明专利]基于人工智能和数值计算的天气预报方法

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能和数值计算的天气预报方法。该方法采集检测区域中每个测量区内的环境数据和环境噪声；基于环境数据和环境噪声计算每个测量区对应数据测量的可信度；将地形相似的测量区所对应的环境数据训练TCN模型，根据地形相似的测量区对应的可信度构建TCN模型的损失函数；利用训练好的TCN模型获取检测区域中的预测环境数据，结合预测环境数据和该检测区域中的云层信息进行天气预报。对地形相似的测量区进行对应TCN模型的训练，且助环境噪声计算每个测量区对应数据测量的可信度，够避免因减少地理位置差异和测量误差造成TCN模型预测的损失，降低了天气预报的误差。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能和数值计算的天气预报方法。

背景技术

天气预报通常包括几种类型的信息：气温、降雨量、降水量、风速、日照和湿度等信息，这些信息对于人们的日常生活非常重要，即人们可以根据天气预报对自己的穿衣厚度进行控制，而农民可以根据天气预报调整他们的日常工作等等。

目前较为准确的天气预报都是采用数值计算方法，但其计算量大、方程式多，需要借助大型计算机，导致局限性大，而且方程式为非线性容易出现无法解析求解等问题，虽然利用差分法和谱方法能够求解，但计算结果的误差较大。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能和数值计算的天气预报方法，所采用的技术方案具体如下：

本发明实施例提供给了一种基于人工智能和数值计算的天气预报方法，该方法包括以下具体步骤：

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。

进一步地，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。

进一步地，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。

进一步地，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。