[发明专利]数值天气预报中气象因素的预测方法及设备

说明书

本申请提供了一种数值天气预报中气象因素的预测方法及设备，能够构建待预测气象因素对应的图像分辨率提升模型，并将低分辨率的多通道图像输入图像分辨率提升模型获得高分辨率的多通道图像，最后将高分辨率的多通道图像中与待预测气象因素对应的通道数据确定为待预测气象因素对应的高分辨率数据，实现了通过图像分辨率提升网络对计算动力学框架的拟合，将数值天气预报中复杂的运算简化为深度学习网络的训练，从而减少了数值天气预报的计算时间，提高了单个气象因素的预测效率，还考虑到相关气象因素对待预测气象因素在预测过程中的影响，提高了单个气象因素的预测准确性。

技术领域

本申请涉及天气预报领域，尤其涉及一种数值天气预报中气象因素的预测方法及设备。

背景技术

数值天气预报(Numerical Weather Prediction)是指在一定的初始值和边界值条件下，根据大气实际情况在大型计算机上求解描述天气演变过程的流体力学和热力学方程组，从而预测未来一定时段的大气运动状态和天气现象的数值计算方法。数值天气预报本质上是求解复杂的、由连续方程、热力学方程、水汽方程、状态方程和多个运动方程，及许多不同参数化方案所组成的方程组。数值天气预报所涉及的参数非常多，而且相关方程组也非常复杂，计算量也非常大。

在现在的数值天气预报中，气象数据往往只有分辨率较低的数据，例如25公里分辨率等，其中相邻数据表示由两个相距25公里的气象站所采集的数据，分辨率较高的数据如3公里分辨率或9公里分辨率等非常少。如果希望根据低分辨率的气象数据例如上海地区的气象数据进行精细化天气预报，例如对徐汇区、闵行区进行预报，现有数值天气预报的方法存在计算时间长和预测结果不准确的问题。

发明内容

本申请的一个目的是提供一种数值天气预报中气象因素的预测方法及设备，用于解决现有技术中数值天气预报计算时间长、对单个气象因素的预测不够准确的问题。

为实现上述目的，本申请提供了一种数值天气预报中气象因素的预测方法，其中，该方法包括：

构建待预测气象因素对应的图像分辨率提升模型，其中，所述图像分辨率提升模型中的特征提取网络根据预设权重对待预测气象因素对应通道的卷积层输出特征图和相关气象因素对应通道的卷积层输出特征图进行合并，再将合并后的特征图作为下一个卷积层的输入特征图；

将所述待预测气象因素对应的低分辨率数据和相关气象因素对应的低分辨率数据分别作为图像通道数据合成为低分辨率的多通道图像；

将所述低分辨率的多通道图像输入所述图像分辨率提升模型，获取高分辨率的多通道图像；

将所述高分辨率的多通道图像中与所述待预测气象因素对应的通道数据确定为所述待预测气象因素对应的高分辨率数据。

进一步地，构建待预测气象因素对应的图像分辨率提升模型，包括：

获取待预测气象因素对应的低分辨率样本数据和相关气象因素对应的低分辨率样本数据；

将所述待预测气象因素对应的低分辨率样本数据和相关气象因素对应的低分辨率样本数据分别作为图像通道数据合成为低分辨率的多通道样本图像；

获取待预测气象因素对应的高分辨率样本数据和相关气象因素对应的高分辨率样本数据；

将所述待预测气象因素对应的高分辨率样本数据和相关气象因素对应的高分辨率样本数据分别作为图像通道数据合成为高分辨率的多通道样本图像；

将所述低分辨率的多通道样本图像作为训练数据、所述高分辨率的多通道样本图像作为监督学习数据输入超分辨率神经网络，并将训练好的超分辨率神经网络模型确定为待预测气象因素对应的图像分辨率提升模型。