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:福建省气象服务中心(福建省气象影视中心);三维时空软件股份有限公司
摘要:本发明公开了一种海上阵风实况分析方法、装置、电子设备和存储介质,根据待分析区域的历史风速数据集,对该数据集进行关联度校验,根据校验结果为历史风速数据集中的数据设置标签,将已设置标签的数据划分为训练集和测试集。之后,基于训练集进行模型训练以及测试集进行模型检验,以确定最优人工智能算法;进而建立分风力、分区域的最优人工智能算法的第二平均风订正模型和第二观测数据阵风关系模型,对二者进行封装,得到海上阵风实况融合分析模型,以根据实时获取的平均风速数据的进行海上阵风实况的融合分析。以此方式,不仅能够实现精细化建模,还能够合理利用已有的海上观测数据进行计算,弥补海上观测资料的不足,还能够保证分析时效性。
主权项:1.一种海上阵风实况的融合分析方法,其特征在于,包括步骤:S1、采集待分析区域的历史平均风速数据和历史观测数据,形成历史风速数据集:采集第一时段内待分析区域在第一距离第一周期的平均风速的第一格点数据集;采集第一时段内待分析区域在第二距离第二周期的平均风速的第二格点数据集,对所述第二格点数据集进行插值,根据所述第二格点数据集制作第一距离第二周期的平均风速的第三格点数据集,所述第一距离小于所述第二距离,所述第一周期大于所述第二周期,所述第一周期为1小时;采集第一时段内待分析区域的各检测站点历史观测数据,并获取各检测站点的坐标信息;通过各检测站点的坐标信息和检测的时间数据,将所述历史观测数据中的整点数据与第一格点数据集匹配、将所述历史观测数据中的非整点数据与第三格点数据集匹配,得到历史风速数据集;S2、对所述历史风速数据集进行数据关联度校验,根据关联度校验结果对所述历史风速数据集进行风力等级划分和区域划分:对所述历史风速数据集进行不同海上浮标站的关联度校验、实况极大风和平均风的观测数据的关联度校验以及不同风力等级的关联度校验;根据各个关联度校验结果对所述历史风速数据集进行风力等级划分和区域划分: 式中,R表示关联度校验的相关系数,n表示参与关联度检验的海上浮标站的站点总样本数,forecasti表示CLDAS平均风产品插值到第i个观测站点得到的数值,表示CLDAS平均风产品变量在所有样本的平均值,observei表示站点i的观测值,表示站点i的观测值在所有样本的平均值; 式中,RMSE表示关联度校验的均方根误差,forecastij表示CLDAS产品插值到i站点j时刻观测实况产品得到的数值,observeij表示i站点j时刻的观测值; 式中,MAE表示关联度校验的绝对误差,pi表示CLDAS产品插值到站点i观测实况产品得到的数值,oi表示i站点观测值;S3、根据所述历史风速数据集的划分结果,对所述历史风速数据集中的各个数据设置标签,并将数据划分为训练集和测试集;S4、基于所述训练集进行模型训练以及所述测试集进行模型检验,确定最优人工智能算法CatBoost对应的第一平均风订正模型和第一观测数据阵风关系模型;最优人工智能算法CatBoost根据如下公式将分类特征值转化为数值结果: 式中,x为输入向量,s表示类别s,k表示样本k,表示当前样本t是否与样本k是同一类别s,如果是则为1,反之则为0,P为先验项,b为先验项权重;S5、基于所述训练集和所述关联度校验结果,建立分风力、分区域的所述最优人工智能算法的第二平均风订正模型和第二观测数据阵风关系模型,并使用所述测试集进行模型检验:结合所述关联度校验结果,将所述训练集按照风力和区域进行划分,建立分风力、分区域的所述最优人工智能算法的第二平均风订正模型和第二观测数据阵风关系模型;使用所述测试集对所述第二平均风订正模型和所述第二观测数据阵风关系模型进行模型检验;S6、将所述第二平均风订正模型和所述第二观测数据阵风关系模型进行封装,得到海上阵风实况融合分析模型,所述海上阵风实况融合分析模型用于根据实时获取的平均风速数据的进行海上阵风实况的融合分析。
全文数据:
权利要求:
百度查询: 福建省气象服务中心(福建省气象影视中心) 三维时空软件股份有限公司 一种海上阵风实况分析方法、装置、电子设备和存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。