一种基于气象参数的气象预测方法及系统与流程

本发明涉及气象监测的，具体为一种基于气象参数的气象预测方法及系统。

背景技术：

1、气象采集是收集和记录气象参数的过程，气象采集提供实时和历史气象数据，是进行天气预报和气象预测的基础。通过采集和分析大量的气象数据，可以建立气象模型和预测算法，提供准确的天气预报，帮助人们做出合理的决策和规划，同时气象采集可以监测和预警自然灾害，如暴雨、洪水、台风、龙卷风等。通过收集和分析气象数据，可以及时发现气象异常，提前预警并采取相应的灾害防护措施，减少灾害造成的损失和风险。气象采集的必要性体现在提供天气预报和灾害预警、推动气候研究和应对气候变化、支持农业和生态系统管理，以及促进能源和交通管理等方面。

2、但是针对高海拔、严寒地区，气象信息监测在当地开展存在一定困难，严寒、低压环境可能导致传感器失去监测功能，同时在此种环境下，传感器将所监测气象信息传输至数据处理系统时会出现气象信息延后，一旦信息延后，就会导致气象数据的准确度和及时性降低，尤其在面对天气灾害时，气象部门需要通过所监测的信息及时预警，但是延后的气象信息就会导致无法及时进行灾害预警，提高了灾害风险等级，因此亟需一种基于气象参数的气象预测方法来解决此类问题。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明提供了一种基于气象参数的气象预测方法，通过综合考虑温度、湿度、气压、风速、风向、降水量、能见度、日照时数和雷暴等多个气象参数，构建了更为全面准确的气象预测模型，提高了气象预测的精度和可靠性；利用决策树算法，将各种气象参数之间的关系纳入考虑，使得预测规则更具智能化和自适应性，能够根据实时气象参数的变化，灵活调整预测策略，提高了预测的针对性和准确性。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于气象参数的气象预测方法，包括以下步骤，

4、确定并收集气象参数指标；

5、对收集的气象参数指标进行数据处理；

6、根据处理后的数据建立气象预测模型；

7、基于气象预测模型进行气象预测。

8、作为本发明所述一种基于气象参数的气象预测方法的一种优选方案，其中：所述对收集的气象参数指标进行数据处理是将收集到的气象参数指标进行数据预处理，以确保后续用于气象预测模型建立时的数据的准确性，所述数据预处理包括，数据清洗以及数据标准化处理；所述数据清洗是通过对整体数据进行删选，将筛选过程中的错误数据以及异常数据进行删除，进而确保数据的质量，所述对整体数据进行筛选是通过将逐个数据与历史平均数据阈值进行对比，进行删除错误数据，具体实现公式如下：

9、

10、

11、其中，表示平均数据，xi表示历史数据，σ表示历史数据标准差，n表示选择的数据总量。

12、作为本发明所述一种基于气象参数的气象预测方法的一种优选方案，其中：所述将逐个数据与历史平均数据阈值进行对比是通过筛选规则进行对比的，并基于对比结果，进行错误数据的删除，具体筛选规则如下：

13、当逐个筛选的数据满足公式时，表示当前数据低于历史最低阈值，当前数据为错误数据，采取删除处理；

14、当逐个筛选的数据满足公式时，表示当前数据超过历史最高阈值，当前数据为错误数据，采取删除处理；

15、当逐个筛选的数据满足公式时，表示当前数据在历史平均数据阈值范围内，当前数据为正确数据，采取保留处理。

16、作为本发明所述一种基于气象参数的气象预测方法的一种优选方案，其中：所述数据标准化是将收集到的数据进行标准化管理，为后续气象预测模型的搭建提供数据基础，所述标准化管理包括，整数标准化以及小数标准化，所述整数标准化是将逐个数据映射到标准化区间[0,1]中，具体映射公式如下：

17、xmin＜x≤xmax

18、

19、

20、

21、

22、其中，表示平均数据，σ′表示数据标准差，xmin表示映射区间的最小范围，xmax表示映射区间的最大范围，且映射区间满足公式

23、所述小数标准化是通过移动小数点的位数，将移动后的数据映射到标准化区间中，具体实现公式如下：

24、

25、其中，j表示小数点移动的位数，x′表示小数标准化后的数据，且经过处理后的数据满足公式0≤x′≤1，即映射到标准化区间中。

26、作为本发明所述一种基于气象参数的气象预测方法的一种优选方案，其中：所述根据处理后的数据建立气象预测模型是通过利用arima自回归积分滑动平均算法对处理后的数据进行训练，进而实现气象预测模型的构建的，所述arima自回归积分滑动平均算法包括，自回归ar部分，积分i部分以及滑动平均ma部分，所述arima自回归积分滑动平均算法是通过将当前时刻的数据参数与前几个时刻的数据参数进行线性关系的组合，进而实现后续数据的预测，具体实现公式如下：

27、

28、

29、

30、其中，xt表示当前时刻的数据参数，k表示线性关系中的常数项，取值为3/2，φi为自回归系数，表示t时刻与时刻t-i的关系，εt表示误差项。

31、作为本发明所述一种基于气象参数的气象预测方法的一种优选方案，其中：所述基于气象预测模型进行气象预测是利用决策树算法将arima自回归积分滑动平均算法的预测数据进行信息增益，进而实现气象预测，所述决策树算法是将预测数据以树的形式在每个节点上选择最佳的特征，并利用信息增益来评估特征的好坏，具体实现公式如下：

32、

33、

34、其中，i表示增益后的信息，pf表示父节点的不纯度，ps表示子节点的不纯度，sf表示父节点的样本总数，si表示子节点i的样本数量，pi表示样本属于第i的概率。

35、作为本发明所述一种基于气象参数的气象预测方法的一种优选方案，其中：所述基于气象预测模型进行气象预测是通过气象预测规则实现气象预测的，所述气象预测规则是根据信息增益的结果与实际进行比对制定，具体如下：

36、针对温度参数指标时，当温度参数指标的信息增益结果超过37摄氏度时，有中暑以及热射病的风险；

37、针对湿度参数指标时，当湿度参数指标的信息增益结果超过70％，且风速参数指标的信息增益结果超过4级时，散热效果差，有中暑的风险；当湿度参数指标的信息增益结果超过85％时，有雨天、雾霾以及霉菌滋生的风险；

38、针对降水量参数指标时，当降水量参数指标的信息增益结果超过10毫米时，有雨天和洪涝的风险；当降水量参数指标的信息增益结果超过20毫米时，有台风、暴雨、雷暴天气的风险；当降水量参数指标的信息结果低于10毫米，但日照参数指标的信息增益结果低于2小时，有出现霾的风险；当降水量参数指标的信息增益结果超过50毫米，且风向参数指标的信息增益结果来自山区，有滑坡以及山体滑坡的风险；

39、针对风向参数指标时，当风向参数指标的信息增益结果表示风向来自海洋，有飓风天气的风险；当风向参数指标的信息增益结果表示风向来自山区，有山风以及高山积雪的风险；

40、针对雷暴参数指标时，当雷暴参数指标的信息增益结果出现时，有雷击天气的风险；当雷暴参数指标的信息增益结果出现，且伴随着风速参数指标的信息增益结果超过6级时，有暴风雨天气出现的风险。

41、本发明的另外一个目的是提供一种基于气象参数的气象预测系统，其能通过收集多种气象参数指标，并通过数据处理模块进行细致处理，系统能够提供更准确、精细的气象预测，有效降低了气象预测的误差，提高了预测结果的准确性；实时收集气象参数指标，结合数据处理模块的快速处理能力，系统能够提供及时的气象预测信息，帮助用户更好地应对突发气象变化，提高了气象信息的实时性；采集了多种气象参数指标，建立了相应的气象预测模型，系统在不同地域和气象条件下具有较好的适应性。

42、作为本发明所述一种基于气象参数的气象预测系统的一种优选方案，其中：包括，气象参数指标收集模块，数据处理模块，气象预测模型建立模块以及气象预测模块；

43、所述气象参数指标收集模块，用于确定并收集气象参数指标；

44、所述数据处理模块，用于针对收集的气象参数指标进行数据处理；

45、所述气象预测模型建立模块，用于基于处理后的数据建立气象预测模型；

46、所述气象预测模块，用于针对不同的气象信息完成未来气象天气预测。

47、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现基于气象参数的气象预测方法的步骤。

48、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现基于气象参数的气象预测方法的步骤。

49、本发明的有益效果：本发明通过综合考虑温度、湿度、气压、风速、风向、降水量、能见度、日照时数和雷暴等多个气象参数，构建了更为全面准确的气象预测模型，提高了气象预测的精度和可靠性；利用决策树算法，将各种气象参数之间的关系纳入考虑，使得预测规则更具智能化和自适应性，能够根据实时气象参数的变化，灵活调整预测策略，提高了预测的针对性和准确性。