CN111045117B - 一种气候监测预测平台 - Google Patents
一种气候监测预测平台 Download PDFInfo
- Publication number
- CN111045117B CN111045117B CN202010031323.2A CN202010031323A CN111045117B CN 111045117 B CN111045117 B CN 111045117B CN 202010031323 A CN202010031323 A CN 202010031323A CN 111045117 B CN111045117 B CN 111045117B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- climate
- forecast
- forecasting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种气候监测预测平台,属于气候监测领域,本发明针对现有监测***的质控方法滞后、气象业务准确性差、时效性差的缺陷,提供一种气候监测预测平台。本发明中,基础数据库存储当前气候信息;智能预测推荐模块对不同的气候信息进行评分;背景诊断模块对历史气候数据和当前气候数据进行分析和诊断,输出目标气候数据;可视化模块显示目标气候数据;格点预报模块和站点预报模块分别将目标气候数据按需要将其处理成格点数据和站点数据;智能预测模块绘制色斑图;气候事件模块将格点数据和站点数据与阈值进行对比输出对应的气候事件;历史预报检验模块对数据的报文进行评分检验;报文制作模块生成对应的报文。本发明主要用于气候监测和预测。
Description
技术领域
本发明属于气候监测领域,具体涉及一种气候监测预测平台。
背景技术
目前,大量矿物燃料的燃烧、乱砍滥伐等人类活动和工业化过程已经导致地球环境的严重恶化及以气候变暖为标志的全球变化,包括冰川退缩、河道断流、湖泊萎缩、沙漠化加剧、生物多样性受损等,特别是干旱的发生日益频繁,已经成为全球最为常见的自然灾害之一。
为保证气象观测数据质量,需要对自动气象站进行数据质量控制,包括自动气象站主采集器的嵌入式软件、终端微机中的业务软件两部分的质量控制。在自动气象站端完成的相邻区域站点原有质控和算法架构,主要依赖于原有的自动气象站数据采集架构,质控工作内容是当每个野外站点的报文文件发送到中心接收端后,经过数据解析入库再进行数据质控。这种做法时效性不足,需要经过传输、汇聚、解析、入库,等四个步骤后才能进入质控环节,但是往往因为气象业务的实时性要求很高,所以在很多短时临近应用中,往往还没有来得及进行质控分析就直接进入使用,后期再进行质控工作,很大程度上一般只能应用于资料归档和对时效性要求较低的科研工作。质控算法不统一,目前在全国气象部门尚未有统一的数据质控的标准,都是在本行政区划内采用一定的方式进行质控工作的后补与资料归档。数据质控无法和实时的天气***背景做比对:受数据采集架构的限制,在野外自动气象站点端只是单纯的发送数据,无法进行双向互动通讯,因此就无法实现结合雷达资料、天气背景资料等中心端数据参与质控的算法和架构。
因此,就需要一种数据质控与数据同步、准确性好、时效性强的气候监测预测平台。
发明内容
本发明针对现有气候监测***的气象数据质控方法的滞后、气象业务的准确性差、时效性差的缺陷,提供一种数据质控与数据同步、准确性好、时效性强的气候监测预测平台。
本发明所涉及的一种气候监测预测平台的技术方案如下:
本发明所涉及的一种气候监测预测平台,它包括:
本地数据库,用于存储现有数据以供后台管理模块调取;
后台管理模块,用于调取本地数据库的历史气候信息,并将其处理后输出给基础数据库;
基础数据库,用于存储来自于外部的当前气候信息,并将其与历史气候数据进行整合;
智能预测推荐模块,用于对不同的气候信息进行评分,生成对应的图形数据;
背景诊断模块,用于对基础数据库的历史气候数据和当前气候数据进行分析和诊断,从而输出目标气候数据;
可视化模块,用于显示所述目标气候数据;
格点预报模块,将所述目标气候数据按需要将其处理成经纬度均匀的格点数据;
站点预报模块,将所述目标气候数据根据观测站点处理成站点数据;
智能预测模块,将所述格点数据和站点数据处理后形成对应的色斑图;
气候事件模块,预设多个气候事件对应的阈值,并将格点数据和站点数据与阈值进行对比,根据对比值输出对应的气候事件;
历史预报检验模块,用于对所述格点数据和站点数据的报文进行评分检验;
报文制作模块,根据评分结果生成对应的报文。
进一步地:所述可视化模块包括:
预报模块,用于显示未来N天的降水数据和气温数据,并生成相应的日历图或柱状图;
历史监控数据模块,用于监控近期历史降水数据和气温数据,并绘制空间分布色斑图;
气候指数显示模块,用于展示近期的气候指数;
智能推荐模块,用于对降水数据和气温数据进行预测评分;
海温图模块,用于展示剪裁后的区域海温分布图;
其它要素展示模块;用于展示位势高度、降水距平率和2m气温距平值。
进一步地:所述基础数据库包括:
数据采集模块,用于定时采集本地数据库中的历史数据和实时在网站获取的实时数据;
数据预处理模块,用于对获取的历史数据和实时数据进行解析,并将其转换成标准化格式;
数据质控模块,用于对历史数据和实时数据中的错误数据进行排除,并对缺测或漏测的数据进行标记;
数据查询模块,用于根据外部指令调取基础数据库中的数据情况;
数据监控模块,用于实时监控实时数据的入库情况,并绘制数据监控统计图表;
智能预测推荐模块,用于对查询的数据结果进一步筛选,并对预处理后的数据进行统计,对统计后的数据进行排名,然后生成预测结果数据,对预测结果数据按站点绘制色斑图。
进一步地:所述背景诊断模块包括:
背景分析模块,用于对本地数据库中的历史数据进行分析,进而获取分析对象的线性变化趋势;
诊断分析模块,用于对实时在网站获取的实时数据进行分析,进而获取分析对象的线性变化趋势。
进一步地:所述格点预测模块分别对气温和降水进行预测,气温预测包括气温预报和气温距平预报,降水预报包括降水预报和降水量距平率预报。
进一步地:所述站点预报模块分别对气温和降水进行预测,并进行站点预报检验;气温预测包括气温预报和气温距平预报,降水预报包括降水预报和降水量距平率预报,所述站点预报检验是将站点预报数据与站点实况数据进行比较,从而形成站点预报检验结果。
进一步地:所述智能预测模块包括常规常规数理统计模块、AI算法和预报检验模块,所述常规常规数理统计模块分别通过多元回归法、最优子集回归法、拟合误差法和多模式优势因子法对模式数据进行处理,从而得到降水和气温的预测结果,并实时检验预测结果;所述AI算法通过决策树对新数据进行分类,通过主成分分析提取数值模式中的主成分分析预测模型,能够定量预测本地的降水和气温;所述预报检验模块实时对预测结果进行检验评估。
进一步地:所述气候事件模块包括大雨/暴雨预报、入汛时间、首场透雨、初/终霜冻、气候事件预报检验模块和气候异常统计模块,所述大雨/暴雨预报、入汛时间、首场透雨和初/终霜冻分别根据预设阈值输出对应的气候事件,所述气候事件预报检验模块用于将对应的气候事件与实况数据进行对比,所述气候异常统计模块根据预设的极端事件的阈值输出极端事件对应的异常日期,并输出异常日期对应的环流场。
进一步地:所述历史预报检验模块采用ACC展示距平相关系数在预报时效内的折线图,采用TCC展示时间相关系数在各地区的空间分布图,采用报文评分分别对强降水、强降温、月气候降水、月气候降温、季气候降水和季气候降温进行评分,采用PS评分展示PS评分在预报时效内的柱状图,采用产品评分对气温趋势预报、降水趋势、降水过程预报和延伸期预报进行评分。
进一步地:所述报文制作模块根据条件输入和后台预设的模板配置生成对应的报文产品。
本发明所涉及的一种气候监测预测平台的有益效果是:
本发明所涉及的一种气候监测预测平台,主要实现气候预测相关数据收集处理、诊断分析、历史个例查询、各种预测方法运行、预测效果评估检验、预测产品加工分发等功能,建立的一个集资料处理、预报、产品发布、评分检验于一体的、自动化程度较高、操作直观简便、可扩展性较好、界面简洁友好的集约化气候预测业务***。其运行稳定可靠、操作简单、界面清晰、产品规范,具有模型扩展功能,留有专题数据与程序模块接口,具有较好的可升级功能。对每日20时起报的NECP的CFSv2逐6小时500hPa高度场、850hPa温度场、风场和地面降水数据进行适时下载和解码,提取并绘制未来45天的黑龙江省的气温和降水量,应用于某省的延伸期过程预报。将逐日滚动的DERF2.0模式的地面温度场、对流性降水和大尺度降水场数据应用于某省未来45天的延伸期过程预报。建立基于CFSv2模式的未来45天的西太平洋副热带高压面积、强度、西伸脊点和脊线位置指数,东北冷涡强度指数,鄂霍次克海阻塞高压指数,供延伸期预测和短期气候预测业务应用。实现了数据自动入库、监测业务自动化,便捷进行数据分析、绘图和产品制作,实现了气候资料信息化处理,提高工作效率。以及暴雨日数、最大日降水量、降雨日数、最高温、最低温、高温日数、低温日数等计算及绘图。
附图说明
图1为本发明的一种气候监测预测平台的流程图;
图2为可视化模块的功能示意图;
图3为基础数据库的功能示意图;
图4为智能预测推荐模块的功能示意图;
图5为背景诊断模块的功能示意图;
图6为格点预测模块的功能示意图;
图7为站点预测模块的功能示意图;
图8为智能预测模块的功能示意图;
图9为气候事件模块的功能示意图;
图10为历史预报检验模块的功能示意图;
图11为报文制作模块的功能示意图;
图12为后台管理模块的功能示意图;
图13为气温评估的界面图;
图14为降水气温EOF与高度场的柱状图;
图15为气候预测界面图。
具体实施方式
下面结合实施例对本发明的技术方案做进一步的说明,但并不局限于此,凡是对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的保护范围中。
实施例1
结合图1说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,它包括:
本地数据库,用于存储现有数据以供后台管理模块调取;
后台管理模块,用于调取本地数据库的历史气候信息,并将其处理后输出给基础数据库;
基础数据库,用于存储来自于外部的当前气候信息,并将其与历史气候数据进行整合;
智能预测推荐模块,用于对不同的气候信息进行评分,生成对应的图形数据;
背景诊断模块,用于对基础数据库的历史气候数据和当前气候数据进行分析和诊断,从而输出目标气候数据;
可视化模块,用于显示所述目标气候数据;
格点预报模块,将所述目标气候数据按需要将其处理成经纬度均匀的格点数据;
站点预报模块,将所述目标气候数据根据观测站点处理成站点数据;
智能预测模块,将所述格点数据和站点数据处理后形成对应的色斑图;
气候事件模块,预设多个气候事件对应的阈值,并将格点数据和站点数据与阈值进行对比,根据对比值输出对应的气候事件;
历史预报检验模块,用于对所述格点数据和站点数据的报文进行评分检验;
报文制作,根据评分结果生成对应的报文;
所述本地数据库的输出端与后台管理模块的输入端连接,所述后台管理模块的输出端与基础数据库的输入端连接,所述智能预测推荐模块和诊断分析模块的输入端均与基础数据库的输出端连接,所述智能预测推荐模块和诊断分析模块的输出端均与可视化模块的输入端连接,所述格点预报模块和站点预报模块的输入端均与可视化模块的输出端连接,所述格点预报模块和站点预报模块的输出端均与智能预测模块的输入端连接,所述气候事件模块和历史预报检验模块的输入端均与智能预测模块的输出端连接,所述气候事件模块和历史预报检验模块的输出端均与产品制作模块的输入端连接。将未来45天的CFSv2模式的850hPa气温和降水量的过程预报应用于延伸期预报业务应用。将DERF2.0模式未来45天的总降水量和地面气温预报用于延伸期预报业务应用。建立基于CFSv2模式的未来45天的西太平洋副热带高压面积、强度、西伸脊点、脊线位置指数和东北冷涡强度指数以及鄂霍次克海阻塞高压指数,供延伸期预测和短期气候预测业务应用。
实施例2
结合图2和实施例1说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述可视化模块包括:
预报模块,用于显示未来N天的降水数据和气温数据,并生成相应的日历图或柱状图;
历史监控数据模块,用于监控近期历史降水数据和气温数据,并绘制空间分布色斑图;
气候指数显示模块,用于展示近期的气候指数;
智能推荐模块,用于对降水数据和气温数据进行预测评分;
海温图模块,用于展示剪裁后的区域海温分布图;
其它要素展示模块;用于展示位势高度、降水距平率和2m气温距平值。
1、可视化模块:
1.1、预报模块:未来N天预报,包括降水和气温;
日历图的形式:根据全省的区域划分,选出每个区域具有代表性的站点,当所有站点累计降水量大于设定阈值时标注为下雨,否则为晴天。鼠标点击某一天时,首页中间区域展示当天的全省降水分布图。同时,不同月份展示不同的气候事件;
以柱状图加折线图的形式:展示全省逐日降水量与气温预报;
1.2、历史监控数据模块:监测近期降水和气温数据,并绘制空间分布色斑图:
降水和气温:展示全省近10天、近20天、近30天的降水/气温监测空间分布图,
1.3、气候指数显示模块:展示近期的气候指数,展示主要气候指数的近期的监测日值及预测日值;
1.4、智能推荐模块,对降水和气温进行预测评分;
1)展示近期各类释用方法预测降水/气温的评分;
2)各类算法70分以上的分布情况;
3)各类资料70分以上的分布情况;
1.5、海温图模块:展示裁剪过后的区域海温分布图;
1.6、其它要素展示模块:
1)位势高度:展示derf2.0最新资料的位势高度预报,上一个月的预报,以及上一个月的实况;
2)降水距平率:展示derf2.0最新资料的降水距平率预报,上一个月的预报,以及上一个月的实况;
3)2m气温距平:展示derf2.0最新资料的气温距平预报报,上一个月的预报,以及上一个月的实况;
实施例3
结合图3和实施例1说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,数据采集模块,用于定时采集本地数据库中的历史数据和实时在网站获取的实时数据;
数据预处理模块,用于对获取的历史数据和实时数据进行解析,并将其转换成标准化格式;
数据质控模块,用于对历史数据和实时数据中的错误数据进行排除,并对缺测或漏测的数据进行标记;
数据查询模块,用于根据外部指令调取基础数据库中的数据情况;
数据监控模块,用于实时监控实时数据的入库情况,并绘制数据监控统计图表;
智能预测推荐模块,用于对查询的数据结果进一步筛选,并对预处理后的数据进行统计,对统计后的数据进行排名,然后生成预测结果数据,对预测结果数据按站点绘制色斑图。
2、基础数据库
2.1、数据采集模块
模式预报数据:定时采集各种模式的历史数据、实时预报数据;
观测数据:定时采集再分析资料;定时采集气象监测站点的历史数据和实时数据;定时采集气候事件的历史数据和实时数据;定时采集各项气候指数;
2.2、数据预处理模块
1)数据解析,解析采集到的各类气象数据;
2)数据标准化,对解析后的数据进行标准化格式转化;
2.3、数据质控模块;
1)通过极值检查、内部一致性检查、时间序列检查等方法对错误数据进行排除;
2)对缺测、漏测的数据进行标记;
2.4、数据查询模块
1)展示数据库中数据情况,包括资料类别(模式、再分析、实况)、模式名称、起报时间、预报时效、要素名称等;
2)支持条件查询,通过资料类别(模式、再分析、实况)、模式名称、起报时间、预报时效、要素名称等条件,实现对数据的查询、浏览;
2.5、数据监控模块
1)实时监控模式资料、预测资料的最新入库情况;
2)展示近30天的数据监控统计图表;
3)可查询各种资料最新的入库时间与到达情况;
本***从CIMISS调用数据,数据采用CIMISS的日20-20数据和月数据。日数据每天上午读取前一天的CIMISS日数据,月数据是每个月1日调取前一个月的数据。***每年校正上一年的数据。NC数据是一台LINUX服务器每月20日从国家气候中心ftp远程下载。
实施例4
结合图4和实施例1说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述背景诊断模块包括:
背景分析模块,用于对本地数据库中的历史数据进行分析,进而获取分析对象的线性变化趋势;
诊断分析模块,用于对实时在网站获取的实时数据进行分析,进而获取分析对象的线性变化趋势。
3、智能预测推荐模块
3.1、查询与筛选模块:
1)时间尺度:分日、候、旬、月选择预测时段;
2)支持同期/近期设置;
3)要素选择:包括降水量、平均气温、最高气温等;
4)支持通过评分方式(PS或ACC)、排序方式(正序或倒序)等条件对查询结果进一步筛选;
3.2、统计模块:根据算法对采集到的各类气象数据进行解析,并对解析后的数据进行标准化格式转化;
1)展示各类算法70分以上的分布情况;
2)展示各类资料70分以上的分布情况;
3.3、智能推荐排名模块
针对应用不同资料的模式解释应用和机器学习各方法,利用评分方法进行评分,给出同期(近几年)或近期(前一时次)评分排名前N位预测结果、方法和预报因子;
3.4、智能推荐结果预测模块
1)展示选择的预测组合生成的色斑图;
2)支持实况检验;
3.5、站点结果预测模块
1)展示选择的站点近期预测结果;
2)支持同时对比10个以内的站点数据。
实施例5
结合图5和实施例4说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述格点预测模块分别对气温和降水进行预测,气温预测包括气温预报和气温距平预报,降水预报包括降水预报和降水量距平率预报。
4、背景诊断模块
4.1、背景分析模块
4.1.1、趋势分析:
1)地图图层叠加站点信息,默认展示过去30年平均值(以下所有分析对象平均值);
依据历史再分析资料和实况监测资料,生成分析对象的线性变化趋势产品;
2)支持分析对象(单站选择,区域选择)和分析时段的选择,后台区域对应站点可配置;
3)分析对象包括气温、降水、大雨开始期/结束期、伏旱开始期/结束期、暴雨开始期/结束期、黑龙江省雨季开始期/结束期、黑龙江省雨季强度和旱涝急转指数;
4.1.2、小波分析
1)默认展示某一个参数;依据历史再分析资料和实况监测资料,生成分析对象的小波分析产品;
2)支持分析对象(单站选择,区域选择)和分析时段的选择;
3)分析对象包括气温、降水、大雨开始期/结束期、黑龙江省雨季开始期/结束期、黑龙江省雨季强度;
4.1.3、概率统计
1)依据历史再分析资料和实况监测资料,生成分析对象的近20年偏多偏高概率产品;
2)支持分析对象(单站选择,区域选择)和分析时段的选择;
3)分析对象包括气温、降水、大雨开始期/结束期、黑龙江省雨季开始期/结束期、黑龙江省雨季强度;
4.1.4、EOF分解
1)默认展示某参数,依据历史再分析资料和实况监测资料,生成分析对象的EOF分解前五个主模态产品;
2)支持分析对象、分析时段选择;
3)分析对象包括气温、降水、大雨开始期/结束期、伏旱开始期/结束期、黑龙江省雨季开始期/结束期、黑龙江省雨季强度等;
4)查询EOF分解产品时,支持前五个模态选择;
4.2、诊断分析模块
4.2.1、合成分析
1)依据本地分析对象或再分析资料分析对象的自定义数据序列,生成合成分析产品;
2)支持分析对象选择(选择本地分析对象或再分析资料分析对象)、离散时段选择;
3)本地分析对象包括气温、降水、大雨开始期、黑龙江省雨季开始期、黑龙江省雨季强度等;
4)再分析资料分析对象包括位势高度场、海表温度异常(SSTA)、海平面气压(SLP)、纬向风、经向风、向外长波辐射(OLR)等;
5)当分析对象为再分析资料时,支持分析区域设置(经纬度范围设置)、高度选择;
4.2.2、相关分析
1)依据省市平均的本地分析对象的自定义时间序列和再分析资料的分析对象,生成相关分析产品;
2)支持分析对象(其中一个分析对象为本地分析对象,另一个为再分析资料分析对象)、分析时段配置(两个分析对象的分析时段可分别配置,但时段长度一致);
3)本地分析对象包括气温、降水、大雨开始期、黑龙江省雨季开始期、黑龙江省雨季强度等;
4)再分析资料分析对象包括位势高度场、海表温度异常(SSTA)、海平面气压(SLP)、纬向风、经向风、向外长波辐射(OLR);
5)当分析对象为再分析资料时,支持分析区域设置(经纬度范围设置)、高度选择;
6)支持人工上传时间序列,根据固定格式上传;
4.2.3、典型相关
1)分析时段:通过下拉框的方式选择月份和日期,年份选择为连续年份;
2)左右场配置:左场可单选本地和再分析资料,右场:可单选本地和再分析资料;
3)再分析资料:可配置再分析资料,分析对象有位势高度场、海表温度异常、海平面气压、纬向风、经向风、海温、垂直速度;区域设置可通过输入经纬度进行区域设置;高度选择可根据模式高度进行选择;
4)本地资料:可通过下拉框选择本地资料,下拉框内容为降水、气温,可选择使用原值或距平率进行计算;
5)模态选择:可通过下拉框的形式选择模态,下拉框内容为:模态一、模态二、模态三、模态四、模态五;
6)展示内容:根据左右场配置展示结果;如果配置为本地,则显示本地相关性色斑图和分析时段时序图;如果配置为再分析资料,则显示配置区域范围内相关性色斑图和分析时段时序图。
实施例6
结合图6和实施例5说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述格点预测模块分别对气温和降水进行预测,气温预测包括气温预报和气温距平预报,降水预报包括降水预报和降水量距平率预报。
5、格点预测模块
5.1、气温
5.1.1、气温预报:
1)地图图层叠加气温预报产品,默认范围为中国区域(地理分辨率0.25);
2)产品支持预报模式的选择,包括DERF2.050天逐日预报、CFSv245天逐日预报、EC7个月逐月预报、BCC_CSM 2个月逐日集合平均预报;
3)支持展示方式的选择,包括等值线、色斑图、格点数据,可多选;
4)支持起报日期的选择;
5)支持中国、东北亚地区范围的快速切换;
6)在产品界面上支持预报日期的快速更改确认,以日历的形式或进度条的形式进行预报日期的更改;
5.1.2、气温距平预报
1)产品支持预报模式的选择,包括DERF2.0生成的滚动候、旬、月预报、EC 4周逐周预报、EC 4周平均预报、BCC_CSM 13个月逐月、滚动季节的集合平均预报;
2)其余内容同(气温预报);
5.2、降水
5.2.1、降水预报:
1)地图图层叠加降水预报产品,默认范围为中国区域;
2)产品支持预报模式的选择,包括DERF2.050天逐日预报、CFSv245天逐日预报、EC7个月逐月预报、BCC_CSM 2个月逐日集合平均预报;
3)支持展示方式的选择,包括等值线、色斑图、格点数据,可多选;
4)支持起报日期的选择;
5)在产品界面上支持预报日期的快速更改确认,以日历的形式或进度条的形式进行预报日期的更改;
5.2.2、降水量距平率预报
1)产品支持预报模式的选择,包括DERF2.0生成的滚动候、旬、月预报、EC 4周逐周预报、EC 4周平均预报、BCC_CSM 13个月逐月、滚动季节的集合平均预报
2)其余内容同(降水预报)。
实施例7
结合图7和实施例6说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述站点预报模块分别对气温和降水进行预测,并进行站点预报检验;气温预测包括气温预报和气温距平预报,降水预报包括降水预报和降水量距平率预报,所述站点预报检验是将站点预报数据与站点实况数据进行比较,从而形成站点预报检验结果。
6、站点预报模块
6.1、气温预报
6.1.1、气温预报
1)站点预报展示方式分为三类,分别为地图图层、折线图、数据表格
2)地图图层叠加全省各区域的气温预报数据,地图叠加方式包括色斑图和站点数据,并支持预报时段选择
3)折线图展示方式下,支持站点选择,展示预报数据和历史平均值的时间序列图,鼠标移动时,有辅助线辅助确认当前鼠标位置所在的预报时刻
4)数据表格展示方式下,展示所有气象站到在预报时效内的各站预报值(横向为预报时效,纵向为站点名称或编号)
5)产品支持预报模式的选择,包括包括DERF2.050天逐日预报、CFSv245天逐日预报、EC 7个月逐月预报、BCC_CSM 2个月逐日集合平均预报
6)支持起报时间选择;
6.1.2、气温距平预报
1)产品支持预报模式的选择,包括DERF2.0生成的滚动侯、旬、月预报、EC 4周逐周预报、EC 4周平均预报、BCC_CSM 13个月逐月、滚动季节的集合平均预报
2)其他内容同(气温预报);
6.2、降水量预报:降水预报同气温预报,降水距平率预报同气温距平预报;
6.3、站点预报检验
1)产品展示形式为站点预报值与站点实况值的差值空间分布图,展示方式包括站点数据和色斑图
2)检验对象包括气温、气温距平、降水、降水距平率
3)支持预报模式选择、预报模式由检验对象确定
4)支持起报时间和预报时刻的选择,起报时间和预报时刻的时间分辨率由预报模式确定。
实施例8
结合图8和实施例7说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述智能预测模块包括常规常规数理统计模块、AI算法和预报检验模块,所述常规常规数理统计模块分别通过多元回归法、最优子集回归法、拟合误差法和多模式优势因子法对模式数据进行处理,从而得到降水和气温的预测结果,并实时检验预测结果;所述AI算法通过决策树对新数据进行分类,通过主成分分析提取数值模式中的主成分分析预测模型,能够定量预测本地的降水和气温;所述预报检验模块实时对预测结果进行检验评估。
7、智能预测模块
7.1、常规数理统计
7.1.1、客观气候指数
1)产品支持指数类型选择,包括历史环流指数、环流指数预报、环流指数距平预报,不可多选。如果是多成员则以箱线图展示,计算出算数平均和中位数;如果是单一成员则用折线图展示;
2)产品支持预报模式选择,当产品类型为环流指数预报时,预报模式包括DERF2.050天逐日预报、CFSv245天逐日预报、EC 4周逐周预报、BCC_CSM 2个月逐日集合平均预报;当产品类型为环流指数距平预报时,预报模式包括DERF2.050天逐日预报、BCC_CSM2个月逐日集合平均预报
3)支持起报日期选择
4)鼠标移动时,有辅助线辅助确认当前鼠标位置所在的时刻;
7.1.2、均生函数:以站点和气候指数为自变量,调用均生函数算法进行历史数据分析,得到气温和降水预报的因变量结果。
1)分析时段:通过下拉框(精确到日)选择需要进行历史分析的时段,计算所选择的连续年份中固定时段气温、降水量结果;
2)预报时效:通过下拉框的形式选择预报时效,预报时长最长三个月,时段只可选择可预报的范围;
3)数据类型:通过点击单选框的形式选择站点和气候指数,当选择站点为自变量时无其他选择,当选择气候指数为自变量时可通过下拉框的形式选择气候指数;
4)预报对象:可通过下拉框选择预报对象(气温和降水);预报结果为原值或距平/率;
7.1.3多元回归:以站点和气候指数为自变量,调用多元回归算法进行历史数据分析,得到气温和降水预报的因变量结果
1)分析时段:通过下拉框(精确到日)选择需要进行历史分析的时段,计算所选择的连续年份中固定时段气温、降水量结果;
2)预报时效:通过下拉框的形式选择预报时效,预报时长最长三个月,时段只可选择可预报的范围;
3)数据类型:通过点击单选框的形式选择站点和气候指数,当选择站点为自变量时无其他选择,当选择气候指数为自变量时可通过下拉框的形式选择气候指数;
4)预报对象:可通过下拉框选择预报对象(气温和降水);预报结果为原值或距平/率;
7.1.4、最优子集回归
1)通过最优子集回归对模式结果进行进一步解释应用;
2)支持预报模式选择,预报模式包括DERF2.0、CFSv2、EC、S2S等;
3)支持起报日期选择;
4)支持预报时段选择;
5)支持要素选择,要素包含平均气温、最高气温、最低气温、降水量;
6)支持预报检验,基于观测站资料,对各时间尺度的预报结果进行实时检验;
7)展示方式为:色斑图;
7.1.5、拟合误差
1)通过拟合误差对模式结果进行进一步解释应用;
2)支持预报模式选择,预报模式包括DERF2.0、CFSv2、EC、S2S等;
3)支持起报日期选择;
4)支持预报时段选择;
5)支持要素选择,要素包含平均气温、最高气温、最低气温、降水量;
6)支持预报检验,基于观测站资料,对各时间尺度的预报结果进行实时检验;
7)展示方式为:色斑图;
7.1.6、多模式优势因子法
1)将模式预报数据(DERF2.0、ECMWF、CFSv2、BCC_CSM、S2S等)与本地各站点、格点的降水和气温进行组合分析,通过提取各模式中与本地站点、格点降水和气温相关性较高的气象要素(如500hPa位势高度场),并据此建立针对本地降水、气温预测的最优因子组合预测模型,对省本地的降水和气温进行预测,并实时检验检测结果。
2)支持预报模式选择,预报模式包括DERF2.0、CFSv2、EC、S2S等;
3)支持起报日期选择;
4)支持预报时段选择;
5)支持要素选择,要素包含平均气温、最高气温、最低气温、降水量;
6)支持预报检验,基于观测站资料,对各时间尺度的预报结果进行实时检验;
7)展示方式为:色斑图;
7.2、AI算法
7.2.1、决策树
1)调用决策树算法,利用训练数据集中归纳出一组分类规则,根据损失函数最小化的原则建立决策树模型,预测时对新的数据利用决策树模型进行分类;
2)支持预报模式选择,预报模式包括DERF2.0、CFSv2、EC、S2S等;
3)支持起报日期选择;
4)支持预报时段选择;
5)支持要素选择,要素包含平均气温、最高气温、最低气温、降水量;
6)支持预报检验,基于观测站资料,对各时间尺度的预报结果进行实时检验;
7)展示方式为:色斑图;
7.2.2、主成分分析
1)接入主成分分析算法。主成分分析时一种气象上的常用算法,其主要目的是从多元事物中提取主要影响因素,并利用这些主要影响因素来揭露事物变化的本质。因此我司拟将数值模式预报产品作为自变量,以本地气象站气象要素(降水、气温)作为预报对象,通过提取数值模式预报产品中众多要素的主成分信息,形成基于数值模式的主成分分析预测模型,可定量预测本地的降水和气温。***实时对主成分分析预测模型的预测结果进行检验评估。
2)支持预报模式选择,预报模式包括DERF2.0、CFSv2、EC、S2S等;
3)支持起报日期选择;
4)支持预报时段选择;
5)支持要素选择,要素包含平均气温、最高气温、最低气温、降水量;
6)支持实时检验,基于观测站资料,对各时间尺度的预报结果进行实时检验;
7)展示方式为:色斑图;
7.2.3、预报检验
1)产品展示形式为实况检验色斑图;
2)检验对象为***中所包含的各类预测方法预报检验;
3)支持预报模式选择;
4)支持起报时间和预报时刻的选择,起报时间和预报时刻的时间分辨率由预报模式确定。
实施例9
结合图5说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述气候事件模块包括大雨/暴雨预报、入汛时间、首场透雨、初/终霜冻、气候事件预报检验模块和气候异常统计模块,所述大雨/暴雨预报、入汛时间、首场透雨和初/终霜冻分别根据预设阈值输出对应的气候事件,所述气候事件预报检验模块用于将对应的气候事件与实况数据进行对比,所述气候异常统计模块根据预设的极端事件的阈值输出极端事件对应的异常日期,并输出异常日期对应的环流场。
8、气候事件模块(可根据本省的气候特点进行定制开发)
8.1、大雨/暴雨预报
1)产品展示形式为所有气象站的单站降水逐日演变图,并依据大雨开始期和大雨结束期的定义,对各站进行大雨预报,并标识大雨开始期、大雨结束期;
2)产品支持预报模式选择,包括DERF2.050天逐日预报、CFSv245天逐日预报;
3)支持站点选择;
4)支持起报时间选择;
5)鼠标移动时,有辅助线辅助确认鼠标所在预报时刻;
8.2、入汛时间:通过柱状图展示站点/区域预报降水量,当达到入汛时间条件时,在柱状图上以打点的形式标注出入汛时间。默认展示DERF2.0,最新更新日期为起报日期,DERF2.0预报最长预报时长为预报时段,地区范围为全市;
1)模式选择:通过单选按钮切换模式选择(DERF2.050天逐日预报、CFSv2:45天逐日预报、BCC_CSM:2个月逐日、EC:7个月逐日);
2)起报日期:调用时间选择框或者输入选择起报日期;
3)统计:点击统计按钮确定起报和预报时间,当预报和起报时间更改时需要点击按钮再次确定;
4)地区范围:以下拉框形式选择全省、区域、单站;
5)实时检验:可切换开、关显示实时检验;
6)柱状图展示:站点逐日降水量,可调整轴展示时段;
7)表格展示:表格展示柱形图的数据;展示内容包括:地区、模式、入汛时间、入汛时间历史预报、入汛时间距平;
8.3、首场透雨
1)基于DERF2.0、CFSv2、EC、S2S等模式产品,根据首场透雨定义,自动提取透雨的降水量预报数据,进行数据处理,自动识别出首场透雨的起止时间。
2)支持通过时间选择查看历史数据。
8.4、初、终霜冻
1)基于DERF2.0、CFSv2、EC、S2S等模式产品,根据初、终霜冻的定义,自动提取用户指定的模式类型的气温预报数据,进行数据处理,生成初、终霜冻气候事件。
2)支持通过时间选择查询历史数据。
3)以折线图形式进行展示。
8.5、气候事件预报检验
1)产品展示形式为气候事件预报值所标注日期(或指数)与站点实况日期(或指数),以及两者间差值的数据表格;
2)检验对象为气候事件预报检验子***中的所有预报对象;
3)支持预报模式选择;
4)支持起报时间选择;
8.6、气候异常统计
1)根据极端事件的指标筛选出气候指数异常的日期,展示选择异常日期的环流场(SLP、UV200(200hPa风场)、H100、UV850、H500、UV925);
2)极端事件有,指数异常、指数剧变(前后一天内指数的变化量大于限定值)、指数持续(指数大于某值持续几天的情况);
3)支持选择环流场、自适应区域、选择日期后可以查看前后几天的数据。
实施例10
结合图5说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述历史预报检验模块采用ACC展示距平相关系数在预报时效内的折线图,采用TCC展示时间相关系数在各地区的空间分布图,采用报文评分分别对强降水、强降温、月气候降水、月气候降温、季气候降水和季气候降温进行评分,采用PS评分展示PS评分在预报时效内的柱状图,采用产品评分对气温趋势预报、降水趋势、降水过程预报和延伸期预报进行评分。
9、历史预报检验模块(可根据提供的评分方法进行定制开发)
9.1、ACC(距平相关系数)距平相关系数(Anomaly Correlation Coefficient,ACC),即ACC,主要反映的是预报值与实况值空间型的相似程度,也可称为空间相似系数。
1)产品展示方式为距平相关系数在预报时效内的折线图;
2)检验对象为气温、降水;
3)支持预报模式选择,包括DERF2.0、CFSv2、BCC_CSM;
4)支持起报时间的选择;
5)鼠标移动时,有辅助线辅助确认鼠标所在的时刻点;
9.2、TCC(时间相关系数)Temporal correlation coefficient
1)产品展示方式为时间相关系数在各地区的空间分布图,并标注各站的相关系数值;
2)检验对象为气温、降水;
3)支持预报模式选择,包括DERF2.0、CFSv2、BCC_CSM;
4)支持起报时间选择;
9.3、报文评分
1)提供:强降水过程预报评分、强降温过程预报评分、月气候降水预报评分、月气候气温预报评分、季气候降水预报评分、季气候气温预报评分;
2)可选择PS和ACC评分法
9.4、PS评分
1)产品展示方式为PS评分在预报时效内的柱状图;
2)检验对象为气温、降水;
3)支持预报模式选择,包括DERF2.0、CFSv2、BCC_CSM;
4)支持起报时间选择;
9.5、产品评分:提供气温趋势预报评分、降水趋势评分、降水过程预报评分、延伸期预报评分。
实施例11
结合图11和实施例5说明本实施例,在本实施例中,本实施例所涉及的一种气候监测预测平台,所述报文制作模块根据条件输入和后台预设的模板配置生成对应的报文产品。
10、报文制作
10.1、延伸期强降水报文
1)产品支持条件输入,包括起报时间、预报时效和TXT模板名称;
2)依据条件输入和TXT后台模板配置,生成延伸期强降温和强降水、月、季节预测报文产品;
3)可查看该TXT内容;
4)支持TXT在线加工、保存入库;
5)支持TXT产品下载;
10.2、延伸期强降温报文
10.3、月报文
10.4、季节报文
11、后台管理
11.1、用户管理
1)平台用户分类,分为预报员用户和管理员用户;
2)管理员用户可条件查询平台用户信息,展示内容包括,账户名、用户类型、联系方式等;
3)管理员用户可对平台用户进行增、删、改;
11.2、权限管理
1)条件查询平台用户,显示其用户类型;
2)用户类型的权限配置,预报员可进行产品查询、产品制作;管理员除具备预报员权限外,另具有用户管理权限、产品制作模板管理权限、产品默认色标库管理权限;
11.3、阈值设置
1)提供各项阈值类型的对应阈值设置展示与修改;
2)列表展示:列表展示共提供阈值类型、对应阈值、操作;
3)阈值修改:点击阈值操作打开修改弹窗,输入阈值进行修改操作;
11.4、气候平均值配置
1)提供气候平均值年份区间设置展示与修改;
2)列表展示:列表展示共提供要素种类、年份、操作;
3)修改平均值:打开修改弹窗,通过年份修改输入年份区间进行气候平均值的修改操作。
Claims (4)
1.一种气候监测预测平台,其特征在于,它包括:
本地数据库,用于存储现有数据以供后台管理模块调取;
后台管理模块,用于调取本地数据库的历史气候信息,并将其处理后输出给基础数据库;
基础数据库,用于存储来自于外部的当前气候信息,并将其与历史气候数据进行整合;
第一智能预测推荐模块,用于对不同的气候信息进行评分,生成对应的图形数据;
背景诊断模块,用于对基础数据库的历史气候数据和当前气候数据进行分析和诊断,从而输出目标气候数据;
可视化模块,用于显示所述目标气候数据;
格点预报模块,将所述目标气候数据按需要将其处理成经纬度均匀的格点数据;
站点预报模块,将所述目标气候数据根据观测站点处理成站点数据;
智能预测模块,将所述格点数据和站点数据处理后形成对应的色斑图;所述智能预测模块包括常规数理统计模块、AI算法和预报检验模块,所述常规数理统计模块分别通过多元回归法、最优子集回归法、拟合误差法和多模式优势因子法对模式数据进行处理,从而得到降水和气温的预测结果,并实时检验预测结果;所述AI算法通过决策树对新数据进行分类,通过主成分分析提取数值模式中的主成分分析预测模型,能够定量预测本地的降水和气温;所述预报检验模块实时对预测结果进行检验评估;
气候事件模块,预设多个气候事件对应的阈值,并将格点数据和站点数据与阈值进行对比,根据对比值输出对应的气候事件;
历史预报检验模块,用于对所述格点数据和站点数据的报文进行评分检验;所述历史预报检验模块采用ACC展示距平相关系数在预报时效内的折线图,采用TCC展示时间相关系数在各地区的空间分布图,采用报文评分分别对强降水、强降温、月气候降水、月气候降温、季气候降水和季气候降温进行评分,采用PS评分展示PS评分在预报时效内的柱状图,采用产品评分对气温趋势预报、降水趋势、降水过程预报和延伸期预报进行评分;
报文制作模块,根据评分结果生成对应的报文;所述报文制作模块根据条件输入和后台预设的模板配置生成对应的报文产品;
所述基础数据库包括:
数据采集模块,用于定时采集本地数据库中的历史数据和实时在网站获取的实时数据;
数据预处理模块,用于对获取的历史数据和实时数据进行解析,并将其转换成标准化格式;
数据质控模块,用于对历史数据和实时数据中的错误数据进行排除,并对缺测或漏测的数据进行标记;
数据查询模块,用于根据外部指令调取基础数据库中的数据情况;
数据监控模块,用于实时监控实时数据的入库情况,并绘制数据监控统计图表;
第二智能预测推荐模块,用于对查询的数据结果进一步筛选,并对预处理后的数据进行统计,对统计后的数据进行排名,然后生成预测结果数据,对预测结果数据按站点绘制色斑图;
所述背景诊断模块包括背景分析模块 和诊断分析模块;
所述背景分析模块,用于对本地数据库中的历史数据进行分析,进而获取分析对象的线性变化趋势;
所述诊断分析模块,用于对实时在网站获取的实时数据进行分析,进而获取分析对象的线性变化趋势;
所述可视化模块包括:
预报模块,用于显示未来N天的降水数据和气温数据,并生成相应的日历图或柱状图;
历史监控数据模块,用于监控近期历史降水数据和气温数据,并绘制空间分布色斑图;
气候指数显示模块,用于展示近期的气候指数;
智能推荐模块,用于对降水数据和气温数据进行预测评分;
海温图模块,用于展示剪裁后的区域海温分布图;
其它要素展示模块;用于展示位势高度、降水距平率和2m气温距平值。
2.根据权利要求1所述的气候监测预测平台,其特征在于,所述格点预报模块分别对气温和降水进行预测,气温预测包括气温预报和气温距平预报,降水预报包括降水预报和降水量距平率预报。
3.根据权利要求2所述的气候监测预测平台,其特征在于,所述站点预报模块分别对气温和降水进行预测,并进行站点预报检验;气温预测包括气温预报和气温距平预报,降水预报包括降水预报和降水量距平率预报,所述站点预报检验是将站点预报数据与站点实况数据进行比较,从而形成站点预报检验结果。
4.根据权利要求3所述的气候监测预测平台,其特征在于,所述气候事件模块包括大雨/暴雨预报、入汛时间、首场透雨、初/终霜冻、气候事件预报检验模块和气候异常统计模块,所述大雨/暴雨预报、入汛时间、首场透雨和初/终霜冻分别根据预设阈值输出对应的气候事件,所述气候事件预报检验模块用于将对应的气候事件与实况数据进行对比,所述气候异常统计模块根据预设的极端事件的阈值输出极端事件对应的异常日期,并输出异常日期对应的环流场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010031323.2A CN111045117B (zh) | 2020-01-13 | 2020-01-13 | 一种气候监测预测平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010031323.2A CN111045117B (zh) | 2020-01-13 | 2020-01-13 | 一种气候监测预测平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111045117A CN111045117A (zh) | 2020-04-21 |
CN111045117B true CN111045117B (zh) | 2022-03-25 |
Family
ID=70244475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010031323.2A Active CN111045117B (zh) | 2020-01-13 | 2020-01-13 | 一种气候监测预测平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111045117B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599162A (zh) * | 2020-05-14 | 2020-08-28 | 上海眼控科技股份有限公司 | 报文的测试方法、装置及*** |
CN112036617B (zh) * | 2020-08-17 | 2021-10-29 | 国能大渡河流域水电开发有限公司 | 一种动力-统计客观定量气候预测方法与*** |
CN112948649B (zh) * | 2021-02-01 | 2023-02-28 | 成都信息工程大学 | 自动化grapes区域预报模式显著性检验方法及*** |
CN112966862A (zh) * | 2021-02-25 | 2021-06-15 | 兰州中心气象台(兰州干旱生态环境监测预测中心) | 一种基于机器学习算法的短期定量降水预报方法 |
CN112966863B (zh) * | 2021-02-26 | 2024-01-30 | 兰州中心气象台(兰州干旱生态环境监测预测中心) | 一种用于天气预报的一体化智能网格预报业务*** |
CN114694420B (zh) * | 2022-03-23 | 2024-01-12 | 合肥置顶信息技术有限公司 | 一种可智能纠错的民航气象预报制作发布***及方法 |
CN114563111B (zh) * | 2022-04-30 | 2022-07-22 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 气温观测设备的健康度评估方法、***、设备和存储介质 |
CN115061222A (zh) * | 2022-06-07 | 2022-09-16 | 安徽省气候中心 | 一种气候预测方法、计算机设备及存储介质 |
CN115166868B (zh) * | 2022-07-12 | 2024-02-09 | 兰州中心气象台(兰州干旱生态环境监测预测中心) | 一种气象业务实时监控平台 |
CN115049443B (zh) * | 2022-08-15 | 2022-10-28 | 国能日新科技股份有限公司 | 基于多尺度特征的自适应回归气象中长期优化方法及*** |
CN116150610B (zh) * | 2023-04-20 | 2023-07-07 | 江西省气象数据中心(江西省气象档案馆) | 疑误数据处理模型训练方法、***、计算机及存储介质 |
CN117688505B (zh) * | 2024-02-04 | 2024-04-19 | 河海大学 | 一种植被大范围区域化负异常的预测方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587196B (zh) * | 2009-06-22 | 2011-05-18 | 南京大学 | 一种城市热岛强度统计预报方法及其装置 |
CN102109619A (zh) * | 2009-12-23 | 2011-06-29 | 栗小东 | 一种基于人工智能的台风增水预测***和方法 |
CN102183802B (zh) * | 2011-03-10 | 2013-07-10 | 西安交通大学 | 一种基于卡尔曼滤波及演化建模的短期气候预测方法 |
-
2020
- 2020-01-13 CN CN202010031323.2A patent/CN111045117B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111045117A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111045117B (zh) | 一种气候监测预测平台 | |
CN113325153A (zh) | 水质多参数监测综合信息管理*** | |
CN110555561A (zh) | 一种中长期径流集合预报方法 | |
CN110399634B (zh) | 一种基于天气***影响的预报区域确定方法及*** | |
CN108802856B (zh) | 一种基于ai的源数据动态修正预报***及其工作方法 | |
CN113743013A (zh) | 一种基于XGBoost气温预测数据修正的方法 | |
CN114240719A (zh) | 一种基于多元逐步回归的空气质量缺失数据填充方法及*** | |
CN115575601A (zh) | 基于水汽通量散度的植被旱灾指数评估方法和*** | |
CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
CN113176420A (zh) | 一种针对电网杆塔点的风速预报订正*** | |
CN113420162A (zh) | 一种基于知识图谱的设备运行链状态监测方法 | |
CN113282576A (zh) | 一种气象数据质量控制方法 | |
CN112782101A (zh) | 基于遥感和地理信息***的生态环境动态监测及预警方法 | |
CN115630337A (zh) | 基于大尺度气候遥相关的极端降雨归因的定量评估方法及*** | |
CN114693367A (zh) | 一种农产品价格大数据监测与可视化***及方法 | |
CN112016744B (zh) | 一种基于土壤水分的森林火灾预测方法、装置及存储介质 | |
CN117694070A (zh) | 养分要素反演评估与智能变量精准施肥决策*** | |
CN113537336A (zh) | 基于XGBoost的短临雷雨大风的预测方法 | |
CN115936238B (zh) | 一种全域风电中长期出力预测方法、***、设备及介质 | |
CN113960700B (zh) | 区域数值预报结果的客观检验、统计及分析*** | |
CN115238967A (zh) | 一种结合云图和相邻电站集群的光伏功率预测方法及装置 | |
CN111476503B (zh) | 利用多源异构数据预测油棕原油产量的方法和*** | |
CN112380778A (zh) | 一种基于海温的气象干旱预报方法 | |
Indhumathi et al. | IoT-Enabled Weather Monitoring and Rainfall Prediction using Machine Learning Algorithm | |
CN115952690B (zh) | 一种长重现期台风风场的构建方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |