[发明专利]应用于修正天气预报信息的模型训练方法、装置和设备

权利要求书

1.一种应用于修正天气预报信息的模型训练方法，其特征在于，所述方法包括：

获取待训练数据；其中，所述待训练数据中包括至少两个格点中每一格点的天气预报信息集合、以及所述每一格点的天气实际信息；所述每一格点的天气预报信息集合中包括至少两个天气预报信息，所述天气预报信息集合为基于模式预报方式所输出的；所述格点与地理区域对应；同一所述格点下的各天气预报信息归属于同一起报时点和同一预测时效；

基于所述待训练数据对预设初始模型进行模型训练，输出损失函数，其中，所述损失函数为基于连续分级概率评分函数和平均绝对误差函数的损失函数；所述损失函数用于指示基于所述每一格点的天气预报信息所确定出的天气预测信息、以及天气实际信息之间的损失信息；

根据所述损失函数更新所述预设初始模型的参数，得到天气预报修正模型；其中，所述天气预报修正模型用于对待处理数据进行修正，所述待处理数据为基于模式预报方式所输出的格点的天气预报结果。

2.根据权利要求1所述的方法，其特征在于，所述每一格点的天气预报信息集合中还包括每一格点的天气预报均值、每一格点的天气预报方差、以及每一个格点的历史偏差信息；其中，所述天气预报均值为基于格点中的各天气预报信息所确定的均值，所述天气预报方差为基于格点中的各天气预报信息所确定的方差；所述历史偏差信息为基于多天下的天气实际信息所确定的温度平均误差，所述多天下的天气实际信息均归属于同一起报时点和同一预测时效。

3.根据权利要求2所述的方法，其特征在于，所述待训练数据中还包括所述每一格点的至少一个物理信息集合；其中，每一所述物理信息集合中包括与物理信息集合对应的物理量的至少一个物理预测信息、该物理量的物理均值、以及该物理量的物理方差；所述物理均值为基于格点中的各物理预测信息所确定的均值，所述物理方差为基于格点中的各物理预测信息所确定的方差。

4.根据权利要求1所述的方法，其特征在于，所述预设初始模型中包括M个模型结构，M为大于1的正整数，所述模型结构包括卷积层、激活层和批正则层；基于所述待训练数据对预设初始模型进行模型训练，输出损失函数，包括：

重复以下步骤，直至达到预设条件，其中i的初始值为1，i为大于等于1、小于等于M的正整数：

将所述待训练数据输入至第i个模型结构的卷积层中进行卷积处理，得到卷积处理后的数据，其中，将所述卷积处理后的数据用于表征所述每一格点的天气预报信息集合、所述每一格点的天气实际信息、以及各所述格点的空间信息；

将所述卷积处理后的数据输入至第i个模型结构的激活层中进行处理，得到中间特征；

将所述中间特征输入至第i个模型结构的批正则层中进行标准化处理，得到所述第i个模型结构所输出的输出信息；

确定所述第i个模型结构所输出的输出信息，为新的待训练数据，并得到第i个模型结构所输出的损失函数；并确定i的取值加1。

5.根据权利要求4所述的方法，其特征在于，将所述卷积处理后的数据输入至第i个模型结构的激活层中进行处理，得到中间特征，包括：

将所述卷积处理后的数据输入至第i个模型结构的激活层，基于非线性的激活函数对所述卷积处理后的数据进行处理，得到所述中间特征。

6.根据权利要求4所述的方法，其特征在于，在确定所述第i个模型结构所输出的输出信息，为新的待训练数据之前，还包括：

获取所述第i个模型结构中的批正则层所输出的调整参数；

根据所述调整参数调整第1个模型结构至第i-1个模型结构的参数。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述损失函数为

其中，α为与所述连续分级概率评分函数对应的第一预设权重系数；σ为基于格点的天气预报信息集合中的各天气预报信息所确定的标准差；y为格点的天气实际信息；μ为基于格点的天气预报信息所确定出的天气预测信息；Φ表征标准正态分布累积概率密度函数；表征标准正态分布的概率密度函数；π为常数；β为与所述平均绝对误差函数对应的第二预设权重系数。