公开(公告)号：CN116931125A

公开(公告)日：2023-10-24

申请号：CN202310890586.2

申请日：2023-07-19

Applicant: 北京城市气象研究院

Inventor： 宋林烨 ,  杨璐 ,  程丛兰 ,  吴剑坤 ,  曹伟华 ,  陈明轩 ,  张延彪 ,  徐景峰

IPC: G01W1/10 ,  G01W1/02 ,  G06F18/25 ,  G06F18/211 ,  G06N3/0464

Abstract: 本发明公开了一种基于多源探测和机器学习的高分辨率天气预报方法，收集多个数据源的气象探测数据，对所述气象探测数据进行预处理；对多个数据源的所述气象探测数据进行相关特征提取和选择，筛选出所述相关特征；对提取的所述相关特征进行相关性分析和复杂地形降尺度分析，通过观测订正加权法利用多源数据的信息将来自不同所述气象探测数据的相关特征进行融合得到网格化的高分辨率格点融合数据；将采用卷积神经网络算法对所述融合数据进行训练优化构建机器学习预报模型；选择最优所述机器学习预报模型引入多源探测数据、格点分析数据、模式预报数据和地理信息数据对未来天气进行预测。本发明通过融合不同时空分辨率、不同覆盖范围的温度、湿度、风场等数据，经过多源实测资料的数据融合和机器学习订正，为天气预报提供重要信息，增强气象数据的可利用性。