一种地面气象站集合预报的天气预报后处理方法及系统

本发明涉及天气预报，具体涉及一种地面气象站集合预报的天气预报后处理方法及系统。

背景技术：

1、天气预报的发展有赖于数值天气预报模型(nwp models)的不断完善，但原始预报仍存在系统性误差，需要采用统计后处理方法进行修正。研究发现，集合预报(具有不同初始条件和/或模型物理的模拟)的平均预报技能大大超过其任何成员。这表明集合预报的成员间或成员内包含有利于纠错的潜在信息。近年来，利用深度学习方法自动提取多元特征以生成更准确的天气预报成为研究热点之一。在天气预报后处理任务中，使用称为drn(分布回归网络)的全连接网络来添加集合的所有成员信息。用普通的ann标定地表2米的气温得到了更准确的预报。该研究的目的是对多元集合预报进行后处理，以生成更准确的降水预报。研究内容为：提取多变量集合预报数据中的空间分布特征、变量间相关性、成员间潜在相关性，对位置不规则的真实地面观测站的降水值进行预测。该研究存在以下挑战：首先，质量监测后的日常观测数据并不位于标准格点上，提取此类数据的空间特征并保持其空间一致性需要独特的算法。其次，集合预报在成员维度上存在潜在关联，但不遵循顺序关系，这是普通时序神经网络无法处理的。最后，降水的频率分布是高度倾斜的。因此，如何提升地面气象站集合预报的天气预报后处理的精度，仍然是一项亟待解决的关键技术问题。

技术实现思路

1、本发明要解决的技术问题：针对现有技术的上述问题，提供一种地面气象站集合预报的天气预报后处理方法及系统，本发明在降水量精度和不同降水类别的命中率上能够取得整体分级预测技能得分，具有地面气象站的降水量准确度高的优点。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种地面气象站集合预报的天气预报后处理方法，包括：将地面气象站的集合预报x线性编码后输入乱序变焦图卷积网络dzgcn，在乱序变焦图卷积网络dzgcn中利用网络参数不同的多个信息提取块分别提取信息后通过图卷积层对进行补充特征提取、再利用预测块根据提取的所有特征预测出地面气象站的降水量。

4、可选地，所述利用网络参数不同的多个信息提取块分别提取信息时，所述信息提取块提取信息包括：利用放大模块zi作为门以提取线性编码的不规则位置分布空间特征信息以及集合预报成员维度的全局到本地的相关性信息，利用缩小模块zo作为过滤器以提取线性编码的空间特征以及成员维度的本地到全局的关联信息，利用门控单元将提取出的全局到本地的相关性信息和本地到全局的关联信息整合，然后通过图卷积层对整合后的信息提取特征，再与输入信息提取块的信息进行残差连接后最终经过批归一化输出。

5、可选地，所述放大模块zi包括多个图卷积层，且其中任意第l层图卷积层的函数表达式为：

6、

7、上式中，为放大模块zi的第l层输出的全局到本地的相关性信息，relu为激活函数，φl为成员维度1×1的卷积核，＊为标准卷积运算，表示放大模块zi的第l-1层输出的全局到本地的相关性信息，l为放大模块zi的层数，且放大模块zi的第1层的输入为其中linear为线性编码，x为地面气象站的集合预报。

8、可选地，所述缩小模块zo包括多个图卷积层，且其中任意第l层图卷积层的函数表达式为：

9、

10、

11、上式中，为缩小模块zo的第l层输出信息的第i至(i+κ)个成员切片，relu为激活函数，为1×1的卷积核，＊为标准卷积运算，为缩小模块zo的第(l-1)层输出信息以及第l层输入信息；为第l层缩小模块zo输出的本地到全局的关联信息，concat为连接操作，为缩小模块zo的由上层输出经卷积提取到的第1至(i+κ)个成员切片信息以及第l层输出的第1至(i+κ)个成员切，为缩小模块zo的第l层输出的成员维度的第(ν+1)至第(ν+1+κ)的切片信息，为缩小模块zo的第l层输出的成员维度的第(ml-1-κ)至第ml-1的切片信息，κ和ν是卷积的核大小和步长。

12、可选地，所述利用门控单元将全局到本地的相关性信息和本地到全局的关联信息整合的函数表达式为：

13、

14、上式中，为整合后的信息，g为输出的激活函数，为放大模块zi的第l层输出的全局到本地的相关性信息，⊙为元素乘积，sigmoid为激活函数，为缩小模块zo输出的本地到全局的关联信息。

15、可选地，所述利用预测块根据提取的所有特征预测出地面气象站的降水量的函数表达式为：

16、

17、上式中，y为预测得到的地面气象站的降水量，ffc,2为全连接网络，mean为取平均值，为中间变量，且有：

18、

19、

20、

21、上式中，ffc,1为全连接网络，为中间变量，stack为叠加操作，分别为通过图卷积层对第1～b个信息提取块输出的信息进行补充特征提取得到的特征，为通过图卷积层对任意第b个信息提取块输出的信息进行补充特征提取得到的特征，relu为激活函数，为图卷积层的图卷积操作，为图卷积层的卷积核，为第b个信息提取块输出的信息，b为信息提取块的数量。

22、可选地，所述图卷积层采用切比雪夫多项式作为卷积核，且所述任意第l层图卷积层的输入特征为：

23、

24、上式中，分别为第l层图卷积层的输入信息成员维度的切片，n为图节点数，cl-1为第l层图卷积层输入特征数，ml-1为第l层图卷积层输入信息的成员维度大小；且第l层图卷积层生成任意第m个切片的函数表达式为：

25、

26、上式中，为第l层图卷积层输出特征信息的第m个切片，relu为激活函数，为第l层图卷积层对的图卷积操作，为第l层图卷积层的卷积核，为第l层图卷积层输入特征信息的m个切片；任意第l层图卷积层生成输出特征的函数表达式为：

27、

28、上式中，为第l层图卷积层的生成输出特征，concat为连接操作，分别为第l层的图卷积层的ml个切片。

29、可选地，所述乱序变焦图卷积网络dzgcn在训练时使用的损失函数为：

30、

31、上式中，为损失函数，y为预测得到的地面气象站的降水量，为地面气象站的降水量真实值，w为权重向量，为huber损失，且有：

32、wi＝max(min(f(yi),2),10-8)，

33、

34、上式中，wi为权重向量中的第i个分量，max为取最大值，min为取最小值，f(yi)为以地面气象站的降水量真实值的第i个分量yi为自变量定义的函数，α1,α2,β1,β2,γ1,γ2为超参数，α1,α2,β1,β2,γ1,γ2∈[0,1]，yi为地面气象站的降水量真实值的第i个分量。

35、此外，本发明还提供一种地面气象站集合预报的天气预报后处理系统，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行所述地面气象站集合预报的天气预报后处理方法。

36、此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序用于被微处理器编程或配置以执行所述地面气象站集合预报的天气预报后处理方法。

37、和现有技术相比，本发明主要具有下述优点：本发明包括将地面气象站的集合预报线性编码后输入乱序变焦图卷积网络dzgcn，在乱序变焦图卷积网络dzgcn中利用多个信息提取块分别提取信息后通过图卷积层对进行补充特征提取、再利用预测块根据提取的所有特征预测出地面气象站的降水量，通过并行堆叠多个信息提取块，乱序变焦图卷积网络(dzgcn能够提取不同聚合维度组合的依赖关系。例如，一些模块更喜欢提取轻降水潜层信息，而其他模块更喜欢提取强降水相关信息。最终使用单层gcn对信息提取块得到的潜层信息进行补充提取，而后由预测块得到最终输出，在降水量精度和不同降水类别的命中率上能够取得整体分级预测技能得分，具有地面气象站的降水量准确度高的优点。