[发明专利]能见度预警模型构建方法、系统、计算机及可读存储介质

说明书

本发明提供了一种能见度预警模型构建方法、系统、计算机及可读存储介质，该方法包括获取样本数据集；将样本数据集输入至预设LSTM神经网络模型中，并确定出目标激活函数；通过目标激活函数对预设LSTM神经网络模型输出的权重矩阵进行非线性化处理，以输出若干训练值，并通过预设损失函数对若干训练值进行反向迭代传播训练，以输出理论能见度值；判断理论能见度值与实际能见度值之间的差值是否最小且维持预设时间；若是，则完成对预设LSTM神经网络模型的训练，并将训练完成的LSTM神经网络模型设定为能见度预警模型。通过上述方式能够构建出能见度预警模型，从而能够通过该能见度预警模型预警出准确的能见度值。

技术领域

本发明涉及气象技术领域，特别涉及一种能见度预警模型构建方法、系统、计算机及可读存储介质。

背景技术

随着大气能见度（Atmospheric visibility）是指视力正常的人在自然条件下，能够在背景中分辨出目标物的最远水平距离，它能够反映大气透明度和大气污染情况。在一个无任何污染的自然条件下，大气能见度的最高值理论上可以达到250km。然而，由于大气和气溶胶对光散射和吸收作用的存在，大气能见度的大小往往会受到实际自然条件的约束。

大气能见度的变化作为一种复杂的大气光学现象，受到多种影响因素的综合作用影响，其中大气污染物和气象要素是导致其变化最主要的原因。

现有技术大部分采用相关分析以及数值拟合等方法分析能见度与气象要素间的关系，再通过这些气象因子的数值预报，进而达到预警能见度的目的。然而，由于各地气候背景和大气污染情况不一，使得分析中往往考虑不周，导致获取到的预警结果容易出现比较大的偏差，给人们的生活带来了不便。

发明内容

基于此，本发明的目的是提供一种能见度预警模型构建方法、系统、计算机及可读存储介质，以解决现有技术大部分采用相关分析以及数值拟合等方法分析能见度与气象要素间的关系，再通过这些气象因子的数值预报，进而达到预警能见度的目的。然而，由于各地气候背景和大气污染情况不一，使得分析中往往考虑不周，导致获取到的预警结果容易出现比较大的偏差的问题。

本发明实施例第一方面提出了一种能见度预警模型构建方法，所述方法包括：

获取历史能见度数据、气象要素数据以及污染物浓度数据，并根据所述历史能见度数据、所述气象要素数据以及所述污染物浓度数据生成对应的样本数据集；

将所述样本数据集输入至预设LSTM神经网络模型中，并确定出与所述预设LSTM神经网络模型对应的目标激活函数；

通过所述目标激活函数对所述预设LSTM神经网络模型输出的权重矩阵进行非线性化处理，以使所述目标激活函数输出若干对应的训练值，并通过预设损失函数对若干所述训练值进行反向迭代传播训练，以使所述预设LSTM神经网络模型实时输出对应的理论能见度值；

判断所述理论能见度值与所述历史能见度数据对应的实际能见度值之间的差值是否最小且维持预设时间；

若判断到所述理论能见度值与所述历史能见度数据对应的实际能见度值之间的差值最小且维持预设时间，则完成对所述预设LSTM神经网络模型的训练，并将训练完成的LSTM神经网络模型设定为能见度预警模型。