买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：无锡九方科技有限公司

摘要：本发明涉及大气、海洋科学技术领域，且公开了一种海雾等级智能预报方法及系统，通过数值模式预报结果和气象站点常规观测资料的收集，以及收集数据的融合和质量控制；利用皮尔森相关系数检验、因果关联检验、时滞性分析等特征分析方法，提取影响能见度的关键气象要素作为预报因子，同时利用模式起报前一段时间的能见度观测和地理时间因素作为辅助预报因子；基于大量站点观测数据，采用机器学习订正方法对数值模式预报结果中的关键气象要素进行订正；采用机器学习算法、超参数自动调优以及集成学习等技术，搭建并优化海雾智能预报模型；利用海雾智能预报模型对能见度进行等级预报，实现能见度的站点预报以及网格预报，并对预报准确率进行检验。

主权项：1.一种海雾等级智能预报方法，其特征在于，包括如下步骤：S1、数值模式预报结果和气象站点常规观测资料的收集，以及收集数据的融合和质量控制；S2、利用皮尔森相关系数检验、因果关联检验、时滞性分析的特征分析方法，提取影响能见度的关键气象要素作为预报因子，同时利用模式起报前一段时间的能见度观测和地理时间因素作为辅助预报因子；S201、设置最大滞后时间为6小时，选取t-0时刻的能见度与t-1、t-2、t-3、...、t-6时刻的各气象水文要素集合B11作为时间滞后特征分析样本集；S202、采用皮尔森相关系数检验气象水文要素集合B11与t-0时刻能见度的相关性，剔除相关系数r为0和不满足显著性检验的要素，其中显著性检验的显著性水平设为0.05，得到存在相关性的特征集合B12，计算公式如下所示： ；其中X和Y是两个待评估相关性的变量，分别表示要分析的要素以及能见度，目的是要分析不同要素与能见度之间的关系；S203、采用偏相关系数对特征集合B12与t-0时刻能见度的因果关系进行检验，利用相关矩阵求逆法得到两两变量之间的偏相关系数，即首先计算出所有变量的协方差矩阵，然后求它的逆矩阵，变量i与变量j之间的偏相关系数，其中；同时进行显著性检验，设置显著性水平为0.05；去除偏相关系数为0和不满足显著性检验的因子，得到气象水文特征集合B13；S204、收集模式起报前6小时的能见度观测序列B2和经纬度、月份、时刻地理时间因素B3，与气象水文特征集合B13结合，得到预报因子集合B4；S205、对于预报因子集合B4，利用特征工程中的嵌入法，结合随机森林一类机器学习算法进一步选取能见度预报模型的最优因子组合B5；S3、基于大量站点观测数据，采用机器学习订正方法对数值模式预报结果中的关键气象要素进行订正；S301、针对步骤S2提取的关键预报因子B4中的模式预报要素C1，分别对其中每个要素C1利用均方根误差评估模式预报与实际观测的误差；S302、对于每个要素C1，利用皮尔森相关系数分析关键预报因子B4中其他模式预报要素C1与当前模式预报要素C1之间的相关性，将相关性系数不为零的预报要素和需要订正的关键预报要素作为订正模型的输入特征C2；S303、利用S302步骤挑选出的特征C2，同时将关键预报要素对应的实际观测作为标签，建立样本集，样本集包括训练集、验证集及测试集；S304、利用训练集对随机森林、XGBoost、LightGBM算法的机器学习模型以及MLP、RNN神经网络模型进行训练，验证集用来查看训练过程中的模型收敛程度，防止过拟合；S305、对于训练好的模型，利用测试集进行测试，选用皮尔森相关系数、均方根误差、标准差偏差指标评估模型预测与实际观测的误差、相关性，相关系数越高，均方根误差以及标准差偏差越小，经模型订正后的结果与真实观测结果更接近；根据这些指标，选取订正效果最好的模型作为最终的订正模型；S4、采用机器学习算法、超参数自动调优以及集成学习技术，搭建并优化海雾智能预报模型；S401、利用步骤S305挑选出的订正模型，对模式预报结果中的关键气象要素进行订正；S402、将连续的能见度值分成两种级别：能见度值1km的归为浓雾，记为1；能见度1km的归为其他，记为0；S403、将模式预报的关键气象要素、站点经纬度、月份、时刻、预报时效作为特征，将站点观测的能见度级别作为标签，构建样本集，样本集包括训练集、验证集及测试集；S404、利用训练集对LightGBM机器学习模型进行训练，验证集用来查看训练过程中的模型收敛程度，防止过拟合，采用焦点损失函数作为目标函数，其中聚焦参数设置为2，正负样本权重参数设置为0.5，损失函数公式如下所示： ；S405、针对浓雾类别和非浓雾样本不平衡问题，利用集成学习结合样本重采样策略提升模型对于浓雾的预报性能，首先将训练集和验证集随机分为M份，其中训练集利用随机下采样进行样本平衡，使得浓雾类别和非浓雾类别的样本数相同，得到M对训练集和验证集，对每一对训练集和验证集分别训练一个LightGBM模型，最终得到M个预报模型；S406、对于M个预报模型，分别利用基于贝叶斯优化的超参数搜索策略对模型进行调优，得到M个最优预报模型；S5、利用海雾智能预报模型对能见度进行等级预报，实现能见度的站点预报以及网格预报，并对预报准确率进行检验。

全文数据：

权利要求：

百度查询： 无锡九方科技有限公司 一种海雾等级智能预报方法及系统