[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

说明书

本申请提供一种应用于修正天气预报信息的模型训练方法、装置和设备，该方法包括：获取待训练数据；待训练数据中包括每一格点的天气预报信息集合和天气实际信息；天气预报信息集合中包括至少两个天气预报信息，天气预报信息集合为基于模式预报方式所输出的；同一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；基于待训练数据对预设初始模型进行模型训练输出损失函数，损失函数为基于CRPS函数和MAE函数的损失函数，根据损失函数更新预设初始模型的参数，得到用于修正天气预报信息的天气预报修正模型。准确、快速的修正天气预报信息。保证数据的评价维度一致性，保证训练模型有效性。减少模型训练时间；提升模型的准确性和精度。

技术领域

本申请涉及天气预报和深度学习等技术领域，尤其涉及一种应用于修正天气预报信息的模型训练方法、装置和设备。

背景技术

天气预报为用户提供的方便，可以基于模式预报方式对地理区域下的每一格点进行天气预报预测，得到每一格点的天气预报信息。例如，得到每一格点的温度预报信息，或者，得到每一格点的湿度预报信息。针对每一格点，可以基于模式预报方式输出该格点下的多个天气预报信息；需要对格点下的天气预报信息进行修正，得到该格点的天气预测结果。

现有技术中，针对每一格点，可以对格点下的天气预报信息求取均值，得到该格点的天气预测结果。

但是现有技术中，对格点下的天气预报信息求取均值的方式所得到的天气预测结果，并不准确。亟需一种可以准确对格点的天气预报信息进行修正的方法。

发明内容

本申请提供一种应用于修正天气预报信息的模型训练方法、装置和设备，用以解决无法准确对格点的天气预报信息进行修正的问题。

第一方面，本申请提供一种应用于修正天气预报信息的模型训练方法，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。

在可行的一种实施方式中，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。

在可行的一种实施方式中，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。

在可行的一种实施方式中，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：