一种基于GraphSAGE-LSTM的大雾临近预报方法及系统

    公开(公告)号:CN119471862A

    公开(公告)日:2025-02-18

    申请号:CN202510051834.3

    申请日:2025-01-14

    Abstract: 本发明提供一种基于GraphSAGE‑LSTM的大雾临近预报方法及系统,方法包括:采集原始气象数据,按照预置时间间隔、阈值数据,检测并剔除原始气象数据中的异常数据,得到适用气象数据;选取不少于2个适用大雾发生过程信息,采集时空信息,根据时空信息及适用气象数据以及适用大雾发生过程信息,处理得到时序数据,据以构建数据集;以气象观测站点作为图节点,利用预置逻辑以及节点间距离阈值,构建邻接矩阵,获取观测站点图结构;构建并利用归纳式图神经网络模型,处理得到周边气象要素的空间分布特征,据以处理得到大雾临近预报结果。本发明解决了难以有效提取站点数据之间的空间信息的技术问题。

    基于气块反向追踪的大雾短期预报方法

    公开(公告)号:CN117111182A

    公开(公告)日:2023-11-24

    申请号:CN202311352643.8

    申请日:2023-10-19

    Abstract: 基于气块反向追踪的大雾短期预报方法,属于气象预报技术领域,包括以下步骤:S100:大雾分区;S200:选取预报因子;S300:样本处理;S400:建立预报模型;S500:评估计算;本发明从大雾形成机理的角度出发,利用客观方法来完成大雾分区,将出雾一致的站点划分到同一个区域,对每一个预报位置采用追踪气块的方式,获取起报时刻气块位置、气象参数等信息,与其他影响大雾出现的气象条件一起作为影响大雾形成的关键气象因子,采用多种机器学习方法进行训练,彼此间通过对训练集和测试集的预报准确性进行对比,选取预报准确率最高的模型作为最终模型,再利用最终模型通过输入实时气象数据进行大雾短期预报,提高了大雾短期预报的时效性和准确性。

Patent Agency Ranking