气象信息的处理及展示方法、系统与流程

本发明涉及可视化技术领域，具体涉及一种气象信息的处理及展示方法、系统。

背景技术：

目前，风力变化对于现代化的生产和生活意义重大，尤其对于风力发电厂，根据风力变化而最大程度地利用风能，对于气象观测部门，进行风力预测，降低灾害影响。

但是，现很少有成熟的技术能够进行风力预测，给人们的日常生活带来诸多不便。虽然，部分设备能够进行风力预测，但也只能对固定地点进行风力预测，且展现形式单调、不美观，视觉效果差。

如何有效地预测目标地理位置的风力变化，且提高可视化展示效果，是本领域技术人员亟需解决的问题。

技术实现要素：

针对现有技术中的缺陷，本发明提供一种气象信息的处理及展示方法、系统，能够有效地预测目标地理位置的风力变化，且提高可视化展示效果，方便用户使用。

第一方面，本发明提供一种气象信息的处理及展示方法，该方法包括：

获取训练样本点的时间信息、位置信息、风力值和风向；

根据位置信息、风力值和风向进行训练，获取与时间信息相应的回归模型；

将粒子按照预定规则设置于目标区域图像的位置坐标上，目标区域图像与位置信息相匹配；

根据位置坐标对应的位置信息和回归模型，确定粒子的运动轨迹；

根据可视化显示规则，显示粒子的运动轨迹。

进一步地，根据位置坐标对应的位置信息和回归模型，确定粒子的运动轨迹，具体包括：根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的最终位置坐标；

根据初始位置坐标、最终位置坐标和预置的运动轨迹精度，确定粒子的运动轨迹，位置坐标包括初始位置坐标和最终位置坐标。

进一步地，根据初始位置坐标、最终位置坐标和预置的运动轨迹精值，确定粒子的运动轨迹，具体包括：根据初始位置坐标和最终位置坐标，确定当前运动轨迹的实际精度；

将当前运动轨迹的实际精度与预置的运动轨迹精度进行比较：若当前运动轨迹的实际精度高于预置的运动轨迹精度，则判定当前运动轨迹为粒子的运动轨迹；

若当前运动轨迹的实际精度等于或低于预置的运动轨迹精度，则根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的动态位置坐标，

根据初始位置坐标和动态位置坐标，确定动态运动轨迹的实际精度，直至动态运动轨迹的实际精度高于预置的运动轨迹精度，则判定动态运动轨迹为粒子的运动轨迹。

基于上述任意气象信息的处理及展示方法实施例，进一步地，根据可视化显示规则，显示粒子的运动轨迹，具体包括：根据风力强度显示规则，显示粒子运动轨迹的线条长度和线条亮度；根据风力方向显示规则，显示粒子运动轨迹的切角，可视化显示规则包括风力强度显示规则和风力方向显示规则。

进一步地，根据位置信息、风力值和风向进行训练，获取与时间信息相应的回归模型，具体包括：将位置信息作为输入量，将风力值和风向作为输出量，进行训练，获得与时间信息相对应的风力神经网络模型；根据位置坐标对应的位置信息和回归模型，确定粒子的运动轨迹，具体包括：根据位置对应的位置信息和风力神经网络模型，确定粒子的运动轨迹。

第二方面，本发明实施例提供一种气象信息的处理及展示系统，该系统包括信息获取模块、回归模型确定模块、粒子设置模块、运动轨迹确定模块和运动轨迹显示模块。信息获取模块用于获取训练样本点的时间信息、位置信息、风力值和风向；回归模型确定模块用于根据位置信息、风力值和风向进行训练，获取与时间信息相应的回归模型；粒子设置模块用于将粒子按照预定规则设置于目标区域图像的位置坐标上，目标区域图像与位置信息相匹配；运动轨迹确定模块用于根据位置坐标对应的位置信息和回归模型，确定粒子的运动轨迹；运动轨迹显示模块用于根据可视化显示规则，显示粒子的运动轨迹。

进一步地，运动轨迹确定模块具体用于：根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的最终位置坐标；根据初始位置坐标、最终位置坐标和预置的运动轨迹精度，确定粒子的运动轨迹，位置坐标包括初始位置坐标和最终位置坐标。

进一步地，运动轨迹确定模块，在根据初始位置坐标、最终位置坐标和预置的运动轨迹精值，确定粒子的运动轨迹时，具体用于：根据初始位置坐标和最终位置坐标，确定当前运动轨迹的实际精度；

将当前运动轨迹的实际精度与预置的运动轨迹精度进行比较：若当前运动轨迹的实际精度高于预置的运动轨迹精度，则判定当前运动轨迹为粒子的运动轨迹；若当前运动轨迹的实际精度等于或低于预置的运动轨迹精度，则根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的动态位置坐标，根据初始位置坐标和动态位置坐标，确定动态运动轨迹的实际精度，直至动态运动轨迹的实际精度高于预置的运动轨迹精度，则判定动态运动轨迹为粒子的运动轨迹。

基于上述任意气象信息的处理及展示系统实施例，进一步地，运动轨迹显示模块具体用于：根据风力强度显示规则，显示粒子运动轨迹的线条长度和线条亮度；根据风力方向显示规则，显示粒子运动轨迹的切角，可视化显示规则包括风力强度显示规则和风力方向显示规则。

进一步地，回归模型确定模块具体用于：将位置信息作为输入量，将风力值和风向作为输出量，进行训练，获得与时间信息相对应的风力神经网络模型；运动轨迹确定模块具体用于：根据位置对应的位置信息和风力神经网络模型，确定粒子的运动轨迹。

由上述技术方案可知，本实施例气象信息的处理及展示方法、系统，采用位置信息、风力值和风向进行训练，获得与时间信息向对应的回归模型，运用该回归模型，采用训练方式获得与时间信息相应的回归模型，结合目标地点的位置信息，即可确定图像上粒子的运动轨迹，更形象展示预测的风力信息，且准确度高、误差小。

同时，该方法还能够根据可视化显示规则，将粒子运动轨迹进行可视化显示，展示风场的变化，能够提高信息的识别度，且直观、可靠。

因此，本实施例气象信息的处理及展示方法、系统，能够有效地预测目标地理位置的气象信息，且能够采用粒子的运动轨迹进行可视化展示，有利于提高用户体验。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1示出了本发明所提供的一种气象信息的处理及展示方法流程图；

图2示出了本发明所提供的一种气象信息的处理及展示系统的结构示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

第一方面，本发明实施例提供一种气象信息的处理及展示方法，结合图1，该方法包括：

步骤S1：获取训练样本点的时间信息、位置信息、风力值和风向；

步骤S2：根据位置信息、风力值和风向进行训练，获取与时间信息相应的回归模型，在此，回归模型是根据位置信息，获取该位置信息对应的风力值和风向，其将位置信息作为输入量，将风力值和风向作为输出量；

步骤S3：将粒子按照预定规则设置于目标区域图像的位置坐标上，目标区域图像与位置信息相匹配，在此，可以在目标区域图像上均匀分布N个粒子，如基于安卓坐标系统，显示某图像，并均匀设置粒子分布；

步骤S4：根据位置坐标对应的位置信息和回归模型，确定粒子的运动轨迹，在此，可以将位置信息输入回归模型，获取风场信息，如风力值和风向，风场作用于粒子时，即可使粒子的位置发生变化，形成运动轨迹；

步骤S5：根据可视化显示规则，显示粒子的运动轨迹，如用运动轨迹的切角表示风向，运动轨迹的明亮程度或长度，表示风力强度。

由上述技术方案可知，本实施例气象信息的处理及展示方法，采用位置信息、风力值和风向进行训练，获得与时间信息向对应的回归模型，运用该回归模型，采用训练方式获得与时间信息相应的回归模型，结合目标地点的位置信息，即可确定图像上粒子的运动轨迹，更形象展示预测的风力信息，且准确度高、误差小。

同时，该方法还能够根据可视化显示规则，将粒子运动轨迹进行可视化显示，展示风场的变化，能够提高信息的识别度，且直观、可靠。

因此，本实施例气象信息的处理及展示方法，能够有效地预测目标地理位置的气象信息，且能够采用粒子的运动轨迹进行可视化展示，有利于提高用户体验。

为了进一步提高本实施例气象信息的处理及展示方法的用户体验，具体地，在运动轨迹的显示精度设置方面，在根据位置坐标对应的位置信息和回归模型，确定粒子的运动轨迹时，具体实现方式如下：

根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的最终位置坐标；

根据初始位置坐标、最终位置坐标和预置的运动轨迹精度，确定粒子的运动轨迹，位置坐标包括初始位置坐标和最终位置坐标。

其中，在根据初始位置坐标、最终位置坐标和预置的运动轨迹精值，确定粒子的运动轨迹时，具体实现方式如下：

根据初始位置坐标和最终位置坐标，确定当前运动轨迹的实际精度；

将当前运动轨迹的实际精度与预置的运动轨迹精度进行比较：

若当前运动轨迹的实际精度高于预置的运动轨迹精度，则判定当前运动轨迹为粒子的运动轨迹；

若当前运动轨迹的实际精度等于或低于预置的运动轨迹精度，则根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的动态位置坐标，

根据初始位置坐标和动态位置坐标，确定动态运动轨迹的实际精度，直至动态运动轨迹的实际精度高于预置的运动轨迹精度，则判定动态运动轨迹为粒子的运动轨迹。

在此，本实施例气象信息的处理及展示方法，能够结合粒子的初始位置坐标、动态位置坐标和最终位置坐标，确定粒子的实际运动轨迹的精度，并且，该方法还能够根据用户的需求，对实际运动轨迹的精度进行调整，以满足用户的实际需求，且提高数据处理的效率。

具体地，在运动轨迹的显示设置方面，本实施例气象信息的处理及展示方法，在根据可视化显示规则，显示粒子的运动轨迹时，具体实现方式如下：根据风力强度显示规则，显示粒子运动轨迹的线条长度和线条亮度，其中，风力强度越大，线条长度越长，且线条的亮度越高；根据风力方向显示规则，显示粒子运动轨迹的切角，其中，风力方向的改变由切角表示，风力方向改变越大，则切角的角度越大，可视化显示规则包括风力强度显示规则和风力方向显示规则。

在此，用户可以根据运动轨迹的线条长度和线条亮度，确定风力的强度，如线条越长、线条亮度越高，则风力强度越大。用户还可以根据运动轨迹的切角，确定风力的方向。用户可以根据粒子的运动轨迹的状况，更直观、快捷地获取风力强度和/或风力方向，为用户出行或查询目标地点的风力信息提供便利。

具体地，在回归模型的选择方面，本实施例气象信息的处理及展示方法选择神经网络模型，具体实现过程如下：将位置信息作为输入量，将风力值和风向作为输出量，进行训练，获得与时间信息相对应的风力神经网络模型；根据位置对应的位置信息和风力神经网络模型，确定粒子的运动轨迹。

在此，风力神经网络模型能够将大量的数据进行处理，获得一个简单的数据模型，该模型具有自适应能力和自学习能力，有利于提高数据处理效率。

第二方面，本发明实施例提供一种气象信息的处理及展示系统，结合图2，该系统包括信息获取模块1、回归模型确定模块2、粒子设置模块3、运动轨迹确定模块4和运动轨迹显示模块5。信息获取模块1用于获取训练样本点的时间信息、位置信息、风力值和风向；回归模型确定模块2用于根据位置信息、风力值和风向进行训练，获取与时间信息相应的回归模型；粒子设置模块3用于将粒子按照预定规则设置于目标区域图像的位置坐标上，目标区域图像与位置信息相匹配；运动轨迹确定模块4用于根据位置坐标对应的位置信息和回归模型，确定粒子的运动轨迹；运动轨迹显示模块5用于根据可视化显示规则，显示粒子的运动轨迹。

由上述技术方案可知，本实施例气象信息的处理及展示系统，采用位置信息、风力值和风向进行训练，获得与时间信息向对应的回归模型，运用该回归模型，采用训练方式获得与时间信息相应的回归模型，结合目标地点的位置信息，即可确定图像上粒子的运动轨迹，更形象展示预测的风力信息，且准确度高、误差小。

同时，该系统还能够根据可视化显示规则，将粒子运动轨迹进行可视化显示，展示风场的变化，能够提高信息的识别度，且直观、可靠。

因此，本实施例气象信息的处理及展示系统，能够有效地预测目标地理位置的气象信息，且能够采用粒子的运动轨迹进行可视化展示，有利于提高用户体验。

为了进一步提高本实施例气象信息的处理及展示系统的用户体验，具体地，在运动轨迹的显示精度设置方面，运动轨迹确定模块4具体用于根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的最终位置坐标；根据初始位置坐标、最终位置坐标和预置的运动轨迹精度，确定粒子的运动轨迹，位置坐标包括初始位置坐标和最终位置坐标。其中，运动轨迹确定模块4在在根据初始位置坐标、最终位置坐标和预置的运动轨迹精值，确定粒子的运动轨迹，具体用于：根据初始位置坐标和最终位置坐标，确定当前运动轨迹的实际精度；将当前运动轨迹的实际精度与预置的运动轨迹精度进行比较：若当前运动轨迹的实际精度高于预置的运动轨迹精度，则判定当前运动轨迹为粒子的运动轨迹；若当前运动轨迹的实际精度等于或低于预置的运动轨迹精度，则根据初始位置坐标对应的初始位置信息和回归模型，获得粒子的动态位置坐标，根据初始位置坐标和动态位置坐标，确定动态运动轨迹的实际精度，直至动态运动轨迹的实际精度高于预置的运动轨迹精度，则判定动态运动轨迹为粒子的运动轨迹。

在此，本实施例气象信息的处理及展示系统的运动轨迹确定模块4能够结合粒子的初始位置坐标、动态位置坐标和最终位置坐标，确定粒子的实际运动轨迹的精度，并且，运动轨迹确定模块4还能够根据用户的需求，对实际运动轨迹的精度进行调整，以满足用户的实际需求，且提高数据处理的效率。

具体地，在运动轨迹的显示设置方面，本实施例气象信息的处理及展示系统的运动轨迹显示模块5具体用于：根据风力强度显示规则，显示粒子运动轨迹的线条长度和线条亮度；根据风力方向显示规则，显示粒子运动轨迹的切角，可视化显示规则包括风力强度显示规则和风力方向显示规则。

在此，用户可以根据运动轨迹显示模块5显示的运动轨迹，确定风力信息，如根据线条长度和线条亮度，确定风力的强度，根据运动轨迹的切角，确定风力的方向。用户可以根据粒子的运动轨迹的状况，更直观、快捷地获取风力强度和/或风力方向，为用户出行或查询目标地点的风力信息提供便利。

具体地，在回归模型的选择方面，本实施例气象信息的处理及展示系统选择神经网络模型，回归模型确定模块2具体用于将位置信息作为输入量，将风力值和风向作为输出量，进行训练，获得与时间信息相对应的风力神经网络模型；运动轨迹确定模块4具体用于根据位置对应的位置信息和风力神经网络模型，确定粒子的运动轨迹。

在此，回归模型确定模块2确定采用风力神经网络模型，风力神经网络模型能够将大量的数据进行处理，获得一个简单的数据模型，该模型具有自适应能力和自学习能力，有利于提高运动轨迹确定模块4的数据处理效率。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。