CN114511149A - 一种分层分布式气象预测平台、方法、介质及设备 - Google Patents
一种分层分布式气象预测平台、方法、介质及设备 Download PDFInfo
- Publication number
- CN114511149A CN114511149A CN202210140634.1A CN202210140634A CN114511149A CN 114511149 A CN114511149 A CN 114511149A CN 202210140634 A CN202210140634 A CN 202210140634A CN 114511149 A CN114511149 A CN 114511149A
- Authority
- CN
- China
- Prior art keywords
- data
- semi
- monitoring
- water depth
- point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 90
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000000547 structure data Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Ecology (AREA)
- Marketing (AREA)
- Environmental Sciences (AREA)
- Atmospheric Sciences (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Emergency Management (AREA)
- Geology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Toxicology (AREA)
- Primary Health Care (AREA)
- Library & Information Science (AREA)
- Hydrology & Water Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
Abstract
本发明提供了一种分层分布式气象预测平台、方法、介质及设备。该方案包括配置传感器,并通过传感器生成为实时监测数据;配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;进行格点划分,生成区域内涝预警和重点点位预警。该方案通过多级分层分布式结构,结合自动筛选和展示,实现对于降水类气象信息的高效、可靠预测。
Description
技术领域
本发明涉及气象预估技术领域,更具体地,涉及一种分层分布式气象预测平台、方法、介质及设备。
背景技术
气象预测是需要结合多类型数据进行的工作,为了能够预测准确,常常需要进行多类型数据的联合分析。因此,一直很难准确的执行。
在本发明技术之前,大量的气象预测方法主要依靠线性回归方式,进行根据时序数据的变换进行未来时刻预测,但是实际的数据类型多样,甚至包括半结构化数据,很难进行准确处理,而且也缺乏有效的平台,进行分布式信息的统一化处理,因此,现有气象预测方法普遍存在效率低、准确度差的问题。
发明内容
鉴于上述问题,本发明提出了一种分层分布式气象预测平台、方法、介质及设备,通过多级分层分布式结构,结合自动筛选和展示,实现对于降水类气象信息的高效、可靠预测。
根据本发明实施例第一方面,提供一种分层分布式气象预测平台。
在一个或多个实施例中,优选地,所述一种分层分布式气象预测平台包括:
传感层应用层,用于配置传感器,并通过传感器生成为实时监测数据;
基础设施层,用于配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;
结构数据处理层,用于对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;
半结构数据处理层,用于根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;
平台服务层,用于根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;
应用层,用于进行格点划分,生成区域内涝预警和重点点位预警。
在一个或多个实施例中,优选地,所述配置传感器,并通过传感器生成为实时监测数据,具体包括:
通过区域雨量探测器获取第一监测数据;
通过水位计获取第二监测数据;
通过液位计获取第三监视数据;
通过摄像机获取第四监视数据;
通过雨量计获取第五监视数据;
录入水文数据和卫图数据,生成第六监视数据;
将所述第一监测数据、所述第二监测数据、所述第三监测数据、所述第四监测数据、所述第五监测数据、所述第六监测数据生成为全部所述实时监测数据。
在一个或多个实施例中,优选地,所述配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据,具体包括:
配置计算设备的采集间隔,自动获取采集数据;
配置存储设备,划分为所述结构数据区和所述半结构数据区;
配置网络设备,并通过所述网络设备进行所述实时监测数据的传输。
在一个或多个实施例中,优选地,所述对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深,具体包括:
在所述结构数据区提取所述结构数据;
对所述结构数据进行排水点的坐标提取;
对所述结构数据进行监测点的坐标提取;
利用第一计算公式计算中心距离;
利用第二计算公式中心距离J对应流量,并利用第七计算公式计算监测点对应的长度;
利用第三计算公式计算所述t时刻对应的水深;
所述第一计算公式为:
其中,J为所述中心距离,xi0为所述第i个排水点的横坐标,yi0为所述第i个排水点的纵坐标,xi为所述第i个排水点附件监测点的横坐标,yi为所述第i个排水点附件监测点的纵坐标;
所述第二计算公式为:
其中,VJ为所述中心距离J对应流量,h为所述中心距离J的长度位置l对应的流量,l(xi,yi)为第i个排水点附件监测点的横坐标xi纵坐标yi位置对应的长度;
所述第三计算公式为:
其中,y(xi,yi)为所述第i个排水点附件监测点的横坐标xi纵坐标yi位置在所述t时刻对应的降雨量,S(xi,yi)为所述第i个排水点附件监测点的横坐标xi纵坐标yi位置在所述t时刻对应的水深;
所述第七计算公式为:
在一个或多个实施例中,优选地,所述根据所述半结构化数据生成半结构相关性系数,生成目标检测数据,具体包括:
在所述半结构数据区提取所述半结构数据;
将所述半结构数据生成为矩阵形式的半结构矩阵;
利用第四计算公式计算半结构特征矩阵;
根据所述半结构特征矩阵利用第五计算公式计算排水点的综合特征值;
根据第六计算公式计算所述半结构相关性系数;
对所述半结构相关性系数进行由大到小的排序,保留最大的半结构相关系数对应的半结构化数据作为所述目标检测数据;
所述第四计算公式为:
AYAT=Yλ
其中,A为特征转换矩阵,AT为所述特征转换矩阵的转置,Y为所述半结构矩阵,Yλ为所述半结构特征矩阵;
所述第五计算公式为:
λmaxi=max(λi1,…,λin)
其中,λmaxi为第i个排水点的综合特征值,λi1,…,λin为所述第i个排水点的第一,…,第n特征值;
所述第六计算公式为:
其中,Xsi为所述半结构相关性系数。
在一个或多个实施例中,优选地,所述根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示,具体包括:
根据所述t时刻对应的水深进行大数据运算,生成预测的水深;
根据所述目标检测数据进行大数据运算,生成当前信息状态图片,进行在线可视化展示。
在一个或多个实施例中,优选地,所述进行格点划分,生成区域内涝预警和重点点位预警,具体包括:
对所述当前信息状态图片进行网格化,形成格点面雨强产品;
根据所述预测的水深,生成城区内涝预警数据;
根据所述内涝预警数据,设置监测点位。
根据本发明实施例第二方面,提供一种分层分布式气象预测方法。
在一个或多个实施例中,优选地,所述一种分层分布式气象预测方法包括:
配置传感器,并通过传感器生成为实时监测数据;
配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;
对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;
根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;
根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;
进行格点划分,生成区域内涝预警和重点点位预警。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明实施例中,对于结构化数据进行自动的深度预测,结合自动展示形成动态的水深展示。
本发明实施例中,对半结构化数据,进行自动根据关联性系数的筛选获得最关键的数据进行保存。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种分层分布式气象预测平台的结构图。
图2是本发明一个实施例的一种分层分布式气象预测平台中的配置传感器,并通过传感器生成为实时监测数据的流程图。
图3是本发明一个实施例的一种分层分布式气象预测平台中的配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据的流程图。
图4是本发明一个实施例的一种分层分布式气象预测平台中的对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深的流程图。
图5是本发明一个实施例的一种分层分布式气象预测平台中的根据所述半结构化数据生成半结构相关性系数,生成目标检测数据的流程图。
图6是本发明一个实施例的一种分层分布式气象预测平台中的根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示的流程图。
图7是本发明一个实施例的一种分层分布式气象预测平台中的进行格点划分,生成区域内涝预警和重点点位预警的流程图。
图8是本发明一个实施例的一种分层分布式气象预测方法的流程图。
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
气象预测是需要结合多类型数据进行的工作,为了能够预测准确,常常需要进行多类型数据的联合分析。因此,一直很难准确的执行。
在本发明技术之前,大量的气象预测方法主要依靠线性回归方式,进行根据时序数据的变换进行未来时刻预测,但是实际的数据类型多样,甚至包括半结构化数据,很难进行准确处理,而且也缺乏有效的平台,进行分布式信息的统一化处理,因此,现有气象预测方法普遍存在效率低、准确度差的问题。
本发明实施例中,提供了一种分层分布式气象预测平台、方法、介质及设备。该方案通过多级分层分布式结构,结合自动筛选和展示,实现对于降水类气象信息的高效、可靠预测。
根据本发明实施例第一方面,提供一种分层分布式气象预测平台。
图1是本发明一个实施例的一种分层分布式气象预测平台的结构图。
在一个或多个实施例中,优选地,所述一种分层分布式气象预测平台包括:
传感层应用层101,用于配置传感器,并通过传感器生成为实时监测数据;
基础设施层102,用于配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;
结构数据处理层103,用于对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;
半结构数据处理层104,用于根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;
平台服务层105,用于根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;
应用层106,用于进行格点划分,生成区域内涝预警和重点点位预警。
在本发明实施例中,通过进行分层设计,结合多个传感器获得的信息自动进行深度的预测和展示,并完成不同海量数据中有效信息筛选,实现高效的气象预测。
图2是本发明一个实施例的一种分层分布式气象预测平台中的配置传感器,并通过传感器生成为实时监测数据的流程图。
如图2所示,在一个或多个实施例中,优选地,所述配置传感器,并通过传感器生成为实时监测数据,具体包括:
S201、通过区域雨量探测器获取第一监测数据;
S202、通过水位计获取第二监测数据;
S203、通过液位计获取第三监视数据;
S204、通过摄像机获取第四监视数据;
S205、通过雨量计获取第五监视数据;
S206、录入水文数据和卫图数据,生成第六监视数据;
S207、将所述第一监测数据、所述第二监测数据、所述第三监测数据、所述第四监测数据、所述第五监测数据、所述第六监测数据生成为全部所述实时监测数据。
在本发明实施例中,通过传感设备进行实时的监测数据的采集,并将全部的监测数据结合为实时监测数据。
图3是本发明一个实施例的一种分层分布式气象预测平台中的配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据的流程图。
如图3所示,在一个或多个实施例中,优选地,所述配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据,具体包括:
S301、配置计算设备的采集间隔,自动获取采集数据;
S302、配置存储设备,划分为所述结构数据区和所述半结构数据区;
S303、配置网络设备,并通过所述网络设备进行所述实时监测数据的传输。
在本发明实施例中,针对实时监测数据进行自动的采集,并完成结构化数据和半结构化数据的存储,在存储完成后同步进行实时的传输。
图4是本发明一个实施例的一种分层分布式气象预测平台中的对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深的流程图。
如图4所示,在一个或多个实施例中,优选地,所述对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深,具体包括:
S401、在所述结构数据区提取所述结构数据;
S402、对所述结构数据进行排水点的坐标提取;
S403、对所述结构数据进行监测点的坐标提取;
S404、利用第一计算公式计算中心距离;
S405、利用第二计算公式中心距离J对应流量,并利用第七计算公式计算监测点对应的长度;
S406、利用第三计算公式计算所述t时刻对应的水深;
所述第一计算公式为:
其中,J为所述中心距离,xi0为所述第i个排水点的横坐标,yi0为所述第i个排水点的纵坐标,xi为所述第i个排水点附件监测点的横坐标,yi为所述第i个排水点附件监测点的纵坐标;
所述第二计算公式为:
其中,VJ为所述中心距离J对应流量,h为所述中心距离J的长度位置l对应的流量,l(xi,yi)为第i个排水点附件监测点的横坐标xi纵坐标yi位置对应的长度;
所述第三计算公式为:
其中,y(xi,yi)为所述第i个排水点附件监测点的横坐标xi纵坐标yi位置在所述t时刻对应的降雨量,S(xi,yi)为所述第i个排水点附件监测点的横坐标xi纵坐标yi位置在所述t时刻对应的水深;
所述第七计算公式为:
在本发明实施例中,对于结构化数据进行自动的处理,其中处理过程中将会生成未来时刻的水深数据,这些数据是通过前三层采集的结构化数据进一步处理获得的。
图5是本发明一个实施例的一种分层分布式气象预测平台中的根据所述半结构化数据生成半结构相关性系数,生成目标检测数据的流程图。
如图5所示,在一个或多个实施例中,优选地,所述根据所述半结构化数据生成半结构相关性系数,生成目标检测数据,具体包括:
S501、在所述半结构数据区提取所述半结构数据;
S502、将所述半结构数据生成为矩阵形式的半结构矩阵;
S503、利用第四计算公式计算半结构特征矩阵;
S504、根据所述半结构特征矩阵利用第五计算公式计算排水点的综合特征值;
S505、根据第六计算公式计算所述半结构相关性系数;
S506、对所述半结构相关性系数进行由大到小的排序,保留最大的半结构相关系数对应的半结构化数据作为所述目标检测数据;
所述第四计算公式为:
AYAT=Yλ
其中,A为特征转换矩阵,AT为所述特征转换矩阵的转置,Y为所述半结构矩阵,Yλ为所述半结构特征矩阵;
所述第五计算公式为:
λmaxi=max(λi1,…,λin)
其中,λmaxi为第i个排水点的综合特征值,λi1,…,λin为所述第i个排水点的第一,…,第n特征值;
所述第六计算公式为:
其中,Xsi为所述半结构相关性系数。
在本发明实施例中,对比结构化数据,进一步的利用了半结构化数据,这些数据通过进行特征提取,并完成了相关性的分析,获取最大的半结构化数据对应的监测数据,作为最终的目标检测数据,这是因为,只有一部分数据才能作为有效的目标数据,因此进行了数据的筛选。
图6是本发明一个实施例的一种分层分布式气象预测平台中的根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示的流程图。
如图6所示,在一个或多个实施例中,优选地,所述根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示,具体包括:
S601、根据所述t时刻对应的水深进行大数据运算,生成预测的水深;
S602、根据所述目标检测数据进行大数据运算,生成当前信息状态图片,进行在线可视化展示。
在本发明实施例中,根据当前的预测水深,进行未来一段时间的预测,此外,结合大数据分析,进行可视化展示,形成动态变化的水深动画或视频。
图7是本发明一个实施例的一种分层分布式气象预测平台中的进行格点划分,生成区域内涝预警和重点点位预警的流程图。
如图7所示,在一个或多个实施例中,优选地,所述进行格点划分,生成区域内涝预警和重点点位预警,具体包括:
S701、对所述当前信息状态图片进行网格化,形成格点面雨强产品;
S702、根据所述预测的水深,生成城区内涝预警数据;
S703、根据所述内涝预警数据,设置监测点位。
在本发明实施例中,在平台服务层的基础上,设置数据的上层应用,为了能够进一步的展示气象预测的结果,进行了监测点位的设计和区域预测数据划分与生产。
根据本发明实施例第二方面,提供一种分层分布式气象预测方法。
图8是本发明一个实施例的一种分层分布式气象预测方法的流程图。
在一个或多个实施例中,优选地,所述一种分层分布式气象预测方法包括:
S801、配置传感器,并通过传感器生成为实时监测数据;
S802、配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;
S803、对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;
S804、根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;
S805、根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;
S806、进行格点划分,生成区域内涝预警和重点点位预警。
在本发明实施例中,通过分层设计,结合分布式传感设备,实现对于气象预报的高效预报,并结合具体的监视过程设计,实现高效的气象预测。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用分层分布式气象预测装置。参照图9,所述电子设备可以是智能手机、平板电脑等设备。电子设备900包括处理器901和存储器902。其中,处理器901与存储器902电性连接。
处理器901是电子设备900的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或调用存储在存储器902内的计算机程序,以及调用存储在存储器902内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
在本实施例中,电子设备900中的处理器901会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器902中,并由处理器901来运行存储在存储器902中的计算机程序,从而实现各种功能,例如:配置传感器,并通过传感器生成为实时监测数据;配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;进行格点划分,生成区域内涝预警和重点点位预警。
在某些实施方式中,电子设备900还可以包括:显示器903、射频电路904、音频电路905、无线保真模块906以及电源907。其中,其中,显示器903、射频电路904、音频电路905、无线保真模块906以及电源907分别与处理器901电性连接。
所述显示器903可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器903可以包括显示面板,在某些实施方式中,可以采用液晶显示器(LCD,LiquidCrystalDisplay)、或者有机发光二极管(OLED,Organic Light-Emitting Diode)等形式来配置显示面板。
所述射频电路904可以用于收发射频信号,以通过无线通信与网络设备或其他电子设备建立无线通讯,与网络设备或其他电子设备之间收发信号。
所述音频电路905可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。
所述无线保真模块906可以用于短距离无线传输,可以帮助用户收发电子邮件、浏览网站和访问流式媒体等,它为用户提供了无线的宽带互联网访问。
所述电源907可以用于给电子设备900的各个部件供电。在一些实施例中,电源907可以通过电源管理***与处理器901逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管图9中未示出,电子设备900还可以包括摄像头、蓝牙模块等,在此不再赘述。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明实施例中,对于结构化数据进行自动的深度预测,结合自动展示形成动态的水深展示。
本发明实施例中,对半结构化数据,进行自动根据关联性系数的筛选获得最关键的数据进行保存。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种分层分布式气象预测平台,其特征在于,该平台包括:
传感层应用层,用于配置传感器,并通过传感器生成为实时监测数据;
基础设施层,用于配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;
结构数据处理层,用于对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;
半结构数据处理层,用于根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;
平台服务层,用于根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;
应用层,用于进行格点划分,生成区域内涝预警和重点点位预警。
2.如权利要求1所述的一种分层分布式气象预测平台,其特征在于,所述配置传感器,并通过传感器生成为实时监测数据,具体包括:
通过区域雨量探测器获取第一监测数据;
通过水位计获取第二监测数据;
通过液位计获取第三监视数据;
通过摄像机获取第四监视数据;
通过雨量计获取第五监视数据;
录入水文数据和卫图数据,生成第六监视数据;
将所述第一监测数据、所述第二监测数据、所述第三监测数据、所述第四监测数据、所述第五监测数据、所述第六监测数据生成为全部所述实时监测数据。
3.如权利要求1所述的一种分层分布式气象预测平台,其特征在于,所述配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据,具体包括:
配置计算设备的采集间隔,自动获取采集数据;
配置存储设备,划分为所述结构数据区和所述半结构数据区;
配置网络设备,并通过所述网络设备进行所述实时监测数据的传输。
4.如权利要求1所述的一种分层分布式气象预测平台,其特征在于,所述对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深,具体包括:
在所述结构数据区提取所述结构数据;
对所述结构数据进行排水点的坐标提取;
对所述结构数据进行监测点的坐标提取;
利用第一计算公式计算中心距离;
利用第二计算公式中心距离J对应流量,并利用第七计算公式计算监测点对应的长度;
利用第三计算公式计算所述t时刻对应的水深;
所述第一计算公式为:
其中,J为所述中心距离,xi0为所述第i个排水点的横坐标,yi0为所述第i个排水点的纵坐标,xi为所述第i个排水点附件监测点的横坐标,yi为所述第i个排水点附件监测点的纵坐标;
所述第二计算公式为:
其中,VJ为所述中心距离J对应流量,h为所述中心距离J的长度位置l对应的流量,l(xi,yi)为第i个排水点附件监测点的横坐标xi纵坐标yi位置对应的长度;
所述第三计算公式为:
其中,y(xi,yi)为所述第i个排水点附件监测点的横坐标xi纵坐标yi位置在所述t时刻对应的降雨量,S(xi,yi)为所述第i个排水点附件监测点的横坐标xi纵坐标yi位置在所述t时刻对应的水深;
所述第七计算公式为:
5.如权利要求1所述的一种分层分布式气象预测平台,其特征在于,所述根据所述半结构化数据生成半结构相关性系数,生成目标检测数据,具体包括:
在所述半结构数据区提取所述半结构数据;
将所述半结构数据生成为矩阵形式的半结构矩阵;
利用第四计算公式计算半结构特征矩阵;
根据所述半结构特征矩阵利用第五计算公式计算排水点的综合特征值;
根据第六计算公式计算所述半结构相关性系数;
对所述半结构相关性系数进行由大到小的排序,保留最大的半结构相关系数对应的半结构化数据作为所述目标检测数据;
所述第四计算公式为:
AYAT=Yλ
其中,A为特征转换矩阵,AT为所述特征转换矩阵的转置,Y为所述半结构矩阵,Yλ为所述半结构特征矩阵;
所述第五计算公式为:
λmaxi=max(λi1,…,λin)
其中,λmaxi为第i个排水点的综合特征值,λi1,…,λin为所述第i个排水点的第一,…,第n特征值;
所述第六计算公式为:
其中,Xsi为所述半结构相关性系数。
6.如权利要求1所述的一种分层分布式气象预测平台,其特征在于,所述根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示,具体包括:
根据所述t时刻对应的水深进行大数据运算,生成预测的水深;
根据所述目标检测数据进行大数据运算,生成当前信息状态图片,进行在线可视化展示。
7.如权利要求6所述的一种分层分布式气象预测平台,其特征在于,所述进行格点划分,生成区域内涝预警和重点点位预警,具体包括:
对所述当前信息状态图片进行网格化,形成格点面雨强产品;
根据所述预测的水深,生成城区内涝预警数据;
根据所述内涝预警数据,设置监测点位。
8.一种分层分布式气象预测方法,其特征在于,该方法包括:
配置传感器,并通过传感器生成为实时监测数据;
配置计算设备、存储设备和网络设备,存储结构化数据和半结构化数据;
对所述结构化数据进行,根据结构化数据进行水深预测,生成t时刻对应的水深;
根据所述半结构化数据生成半结构相关性系数,生成目标检测数据;
根据所述t时刻对应的水深和所述目标检测数据,进行数据服务和大数据运算,进行在线展示;
进行格点划分,生成区域内涝预警和重点点位预警。
9.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210140634.1A CN114511149B (zh) | 2022-02-16 | 2022-02-16 | 一种分层分布式气象预测平台、方法、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210140634.1A CN114511149B (zh) | 2022-02-16 | 2022-02-16 | 一种分层分布式气象预测平台、方法、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114511149A true CN114511149A (zh) | 2022-05-17 |
CN114511149B CN114511149B (zh) | 2022-12-02 |
Family
ID=81551058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210140634.1A Active CN114511149B (zh) | 2022-02-16 | 2022-02-16 | 一种分层分布式气象预测平台、方法、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511149B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115113303A (zh) * | 2022-06-21 | 2022-09-27 | 天津大学 | 基于元学习的厄尔尼诺极端天气预警方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886187A (zh) * | 2014-03-06 | 2014-06-25 | 清华大学 | 一种基于数据同化的河道水沙实时预测方法 |
CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
CN106030573A (zh) * | 2014-02-19 | 2016-10-12 | 斯诺弗雷克计算公司 | 半结构化数据作为第一等级数据库元素的实现 |
CN106815654A (zh) * | 2016-12-20 | 2017-06-09 | 大唐软件技术股份有限公司 | 一种基于排水工程的数据处理方法和*** |
JP2019061386A (ja) * | 2017-09-25 | 2019-04-18 | カシオ計算機株式会社 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
CN111489525A (zh) * | 2020-03-30 | 2020-08-04 | 南京信息工程大学 | 多数据融合的气象预测预警方法 |
CN111738544A (zh) * | 2020-05-15 | 2020-10-02 | 华南理工大学 | 一种洒水车智能预警调度***及方法 |
CN111882830A (zh) * | 2020-07-31 | 2020-11-03 | 珠江水利委员会珠江水利科学研究院 | 城市内涝监测预报预警方法、装置、***及存储介质 |
CN113269352A (zh) * | 2021-04-29 | 2021-08-17 | 哈工智慧(武汉)科技有限公司 | 基于移动互联网的城市内涝监测预警方法、***及介质 |
CN113434565A (zh) * | 2021-03-15 | 2021-09-24 | 中国电建集团华东勘测设计研究院有限公司 | 基于cim平台的水利防洪抗旱防涝综合减灾平台*** |
-
2022
- 2022-02-16 CN CN202210140634.1A patent/CN114511149B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106030573A (zh) * | 2014-02-19 | 2016-10-12 | 斯诺弗雷克计算公司 | 半结构化数据作为第一等级数据库元素的实现 |
CN103886187A (zh) * | 2014-03-06 | 2014-06-25 | 清华大学 | 一种基于数据同化的河道水沙实时预测方法 |
CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
CN106815654A (zh) * | 2016-12-20 | 2017-06-09 | 大唐软件技术股份有限公司 | 一种基于排水工程的数据处理方法和*** |
JP2019061386A (ja) * | 2017-09-25 | 2019-04-18 | カシオ計算機株式会社 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
CN111489525A (zh) * | 2020-03-30 | 2020-08-04 | 南京信息工程大学 | 多数据融合的气象预测预警方法 |
CN111738544A (zh) * | 2020-05-15 | 2020-10-02 | 华南理工大学 | 一种洒水车智能预警调度***及方法 |
CN111882830A (zh) * | 2020-07-31 | 2020-11-03 | 珠江水利委员会珠江水利科学研究院 | 城市内涝监测预报预警方法、装置、***及存储介质 |
CN113434565A (zh) * | 2021-03-15 | 2021-09-24 | 中国电建集团华东勘测设计研究院有限公司 | 基于cim平台的水利防洪抗旱防涝综合减灾平台*** |
CN113269352A (zh) * | 2021-04-29 | 2021-08-17 | 哈工智慧(武汉)科技有限公司 | 基于移动互联网的城市内涝监测预警方法、***及介质 |
Non-Patent Citations (2)
Title |
---|
MAHDIEH BABAIASL: "Predicting Depth of Cut of Water-jet in Soft Tissue Simulants based on Finite Element Analysis with the Application to Fracture-directed Water-jet Steerable Needles", 《2019 INTERNATIONAL SYMPOSIUM ON MEDICAL ROBOTICS (ISMR)》 * |
范保松等: "基于位置服务的智慧气象信息服务***开发与应用", 《气象与环境科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115113303A (zh) * | 2022-06-21 | 2022-09-27 | 天津大学 | 基于元学习的厄尔尼诺极端天气预警方法及装置 |
CN115113303B (zh) * | 2022-06-21 | 2023-10-31 | 天津大学 | 基于元学习的厄尔尼诺极端天气预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114511149B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107367280B (zh) | 室内导航方法、装置、存储介质及服务器 | |
CN107944118A (zh) | 一种有效的建筑安全监测方法 | |
CN102279593B (zh) | 混凝土坝温控防裂数字式动态监控***与方法 | |
CN106267774A (zh) | 运动状态识别方法和装置 | |
CN113570122B (zh) | 预测风速的方法、装置、计算机设备和存储介质 | |
CN114781766B (zh) | 水文站点的水文信息预测方法、装置、设备及存储介质 | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
CN114511149B (zh) | 一种分层分布式气象预测平台、方法、介质及设备 | |
CN111741133A (zh) | 一种云边端协同的气象智能预警*** | |
CN113593191A (zh) | 一种基于大数据的可视化城市内涝监测预警*** | |
CN112488477A (zh) | 高速公路应急管理***及方法 | |
CN110836683A (zh) | 河道管理方法、河道管理装置及终端 | |
CN111784976A (zh) | 一种山洪灾害预警方法、装置、***及存储介质 | |
CN112816663B (zh) | 防洪工程的黄河堤坝土质含水量监测方法及装置 | |
CN113094325A (zh) | 设备部署方法、装置、计算机***和计算机可读存储介质 | |
CN114937029B (zh) | 森林碳储量抽样估测方法、装置、设备及存储介质 | |
CN116596106A (zh) | 风电场站的功率预测方法、装置、电子设备及存储介质 | |
CN114511148A (zh) | 一种基于人工智能的内涝预警方法、***、介质及设备 | |
Li et al. | Safety monitoring system based on internet of things tailings dam | |
CN114168657A (zh) | 风电功率异常数据实时检测方法、***、设备及介质 | |
CN113920720A (zh) | 高速公路隧道设备故障处理方法、装置及电子设备 | |
CN113011657A (zh) | 进行台风水位预测的方法、装置、电子设备及存储介质 | |
CN111415355A (zh) | 基于图像处理的输电线路安全间距的测量方法、***及装置 | |
CN112948763A (zh) | 件量预测方法、装置、电子设备及存储介质 | |
CN111818548A (zh) | 一种数据的处理方法、装置及设备 |
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 |