[发明专利]针对气象要素数据的插值方法、装置、电子设备及介质

权利要求书

1.一种针对气象要素数据的插值方法，其特征在于，所述方法包括：

基于目标区域内全部气象站在预设时间段内的气象要素时序数据，确定一个目标气象站和所述目标气象站中数据缺失的第一缺失时间，所述目标气象站为存在数据缺失的气象站；

在除目标气象站外的其他气象站中筛选满足预设相关条件的气象站，构建相关气象站集合；所述相关气象站集合包括与所述目标气象站相关的至少一个相关气象站；所述预设相关条件包括各相关气象站记录的气象要素时序数据在所述第一缺失时间处不存在数据缺失的条件；

基于所述至少一个相关气象站的气象要素时序数据与配置的相应距离加权系数，得到第一气象要素时序数据；

删除所述第一气象要素时序数据中与所述第一缺失时间对应的数据，得到第二气象要素时序数据；

删除所述目标气象站的气象要素时序数据中与第二缺失时间对应的数据，得到第三气象要素时序数据，所述第二缺失时间为所述各相关气象站存在数据缺失的时间点；

根据所述第三气象要素时序数据和所述第二气象要素时序数据对待训练的回归模型进行训练，得到训练后的回归模型；

将所述第一气象要素时序数据中与所述第一缺失时间对应的数据输入所述训练后的回归模型，以对所述目标气象站中缺失的气象要素时序数据进行插值。

2.如权利要求1所述的方法，其特征在于，所述预设相关条件还包括：

所述各相关气象站与所述目标气象站的地理距离小于预设距离阈值，所述地理距离基于预设距离算法计算得到。

3.如权利要求1或2所述的方法，其特征在于，所述预设相关条件还包括：

所述各相关气象站记录的气象要素时序数据与所述目标气象站的气象要素时序数据的相关性系数大于预设相关系数阈值。

4.如权利要求1所述的方法，其特征在于，所述根据所述第三气象要素时序数据和所述第二气象要素时序数据对待训练的回归模型进行训练，得到训练后的回归模型，包括：

确定所述第一缺失时间对应的时序周期；

针对气象要素时序数据的时序周期，对所述第二气象要素时序数据和所述第三气象要素时序数据进行筛选，得到第四气象要素时序数据和第五气象要素时序数据，所述第四气象要素时序数据为所述第二气象要素时序数据与所述时序周期相匹配的数据，第五气象要素时序数据为所述第三气象要素时序数据与所述时序周期相匹配的数据；

将所述第四气象要素时序数据作为标签数据，所述第五气象要素时序数据作为特征数据，对待训练的回归模型进行训练，得到训练后的回归模型。

5.如权利要求1所述的方法，其特征在于，所述基于所述至少一个相关气象站的气象要素时序数据与配置的相应距离加权系数，得到第一气象要素时序数据，包括：

将所述各相关气象站的气象要素时序数据与配置的相应距离加权系数相乘，将相应乘积确定为所述第一气象要素时序数据。

6.如权利要求1或5所述的方法，其特征在于，所述距离加权系数是基于高斯加权算法，对相应相关气象站与所述目标气象站间的距离值进行处理后得到的。

7.如权利要求1所述的方法，其特征在于，所述基于目标区域内全部气象站在预设时间段内的气象要素时序数据，确定一个目标气象站和所述目标气象站中数据缺失的第一缺失时间，包括：

基于目标区域内全部气象站在预设时间段内的气象要素时序数据，确定目标气象站集合；

基于所述全部气象站中各气象站的气象要素时序数据的缺失数量，遍历所述目标气象站集合，确定一个目标气象站和所述目标气象站中数据缺失的第一缺失时间；

所述方法还包括：

基于所述目标气象站插值后的气象要素时序数据，对所述全部气象站中所述目标气象站的气象要素时序数据进行更新。