本发明涉及气象预报技术领域，尤其涉及一种基于气象数据的气象预报系统。
背景技术
天气变化与人们的生产活动、社会活动、军事活动以及日常生活都有着十分密切的关系。一直以来，人们总是想方设法去预测未来的天气变化，以利用有利的天气，同时提前预防不利天气带来的气象灾害。
传统技术中，人们预测天气采用数值预测的方法，数值预测的原理为：通过天气图或者卫星云图获取气象图像，并在一定的初值和边值条件下，利用大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。上述的数值预测方法是基于数学模型进行模式推导的，误差较大。
预报员在进行预报时，往往考虑这种天气形势究竟能造成怎样的天气及其分布状况，并寻找相似的天气形势作为参考，但传统的气象资料查阅很不方便。首先，气象数据每天都要存储，数量太多，查找不方便。其次，即使找到某个时次的气象资料，还要先使用第三方软件进行显示成图形，然后主观进行翻阅对比分析当天的天气形势，最后才能判断该时次的气象资料是否具有参考价值。
技术实现要素：
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于气象数据的气象预报系统。
本发明解决其技术问题所采用的技术方案是：根据本发明的一方面，提供一种基于气象数据的气象预报系统，包括处理模块、与所述处理模块相连用于采集实时气象数据的气象数据采集模块、与所述处理模块相连用于存储所述实时气象数据的数据存储模块、与所述处理模块相连用于数据分析的数据分析模块、与所述处理模块相连用于根据所述实时气象数据及天气数值模式结合进行气象预报的气象预报模块、与所述处理模块相连用于显示天气数值预测结果的显示模块。
优选的，所述实时气象数据包括风速、风向、风级、温度、湿度、气压、降雨量、降水强度、降雪量、光辐射强度中的至少一项。
优选的，所述气象数据采集模块包括与所述处理模块相连用于连接多个气象数据传感器的多串口数据采集接口。
优选的，所述数据存储模块包括对所有实时气象数据进行汇总分类整理的气象数据库。
优选的，还包括与所述处理模块相连用于输出气象结果的数据输出模块。
优选的，还包括与所述处理模块相连用于根据所述实时气象数据、天气数值模式结合神经网络算法对所述天气数值预测结果进行修正学习的气象修正模块。
优选的，所述修正学习为通过利用bp神经网络算法对所述天气数值预测结果进行学习修正反馈。
优选的，所述数值天气预测为实时、定时、定量、分区域进行数值天气预测。
优选的，所述显示模块包括人机界面，所述人机界面用于以数据表格、过程线或直方图形式向用户展现实时气象数据、天气数值预测结果。
实施本发明基于气象数据的气象预报系统的技术方案，具有以下优点或有益效果：本发明通过对历史气象数据和实时气象数据的大数据模拟分析，并通过bp神经网络算法可以给出今后一段时间准确的气象预报，以便用户能根据气象预报做好相应的预防措施，精度高，效果准确。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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，附图中：
图1是本发明基于气象数据的气象预报系统实施例的功能模块示意图；
图2是本发明基于气象数据的气象预报系统实施例的第二功能模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下文将要描述的各种实施例将要参考相应的附图，这些附图构成了实施例的一部分，其中描述了实现本发明可能采用的各种实施例。应明白，还可使用其他的实施例，或者对本文列举的实施例进行结构和功能上的修改，而不会脱离本发明的范围和实质。
如图1所示，本发明提供一种基于气象数据的气象预报系统的一个实施例，包括处理模块10、与处理模块10相连用于采集实时气象数据的气象数据采集模块20、与处理模块10相连用于存储实时气象数据的数据存储模块30、与处理模块10相连用于数据分析的数据分析模块40、与处理模块10相连用于根据实时气象数据及天气数值模式结合进行气象预报的气象预报模块50、与处理模块10相连用于显示天气数值预测结果的显示模块60。所述显示模块60包括人机界面，所述人机界面用于以数据表格、过程线或直方图形式向用户展现所述实时气象数据、天气数值预测结果，天气数值预测结果包括预测中间结果和最终结果。
在本实施例中，所述实时气象数据包括风速、风向、风级、温度、湿度、气压、降雨量、降水强度、降雪量、光辐射强度中的至少一项，还可以包括其他气象数据，在此不做限制。与此对应的，气象数据采集模块20包括与处理模块10相连用于连接多个气象数据传感器的多串口数据采集接口21，具体的，该多串口数据采集接口21可用于连接分别采集多个实时气象数据的多个气象数据传感器22。多个气象数据传感器22为风速传感器221、温度传感器222、湿度传感器223、气压传感器224、雨量传感器225、雪量传感器226、光辐射传感器227的至少一种，还可以根据实际采集气象数据的需要增加对应的传感器。
在本实施例中，所述数据存储模块30包括对所有实时气象数据、天气数值预测结果进行汇总分类整理的气象数据库，用于对气象数据采集模块20采集的实时气象数据进行分类整理，进而形成区域内长时间的气象大数据库，以便进行随时查阅及预测。
在本实施例中，还包括与处理模块10相连用于输出天气数值预测结果的数据输出模块70，例如可以输出数据报表。还包括与处理模块10相连用于根据实时气象数据、天气数值模式结合神经网络算法对数值天气预报结果进行修正学习的气象修正模块80，优选的，该神经网络算法为bp神经网络算法。数值天气预报为实时、定时、定量、分区域进行数值天气预报。
具体的，bp（backpropagation）网络是1986年由rumelhart和mccelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。bp网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。bp神经网络模型拓扑结构包括输入层（input）、隐层(hidelayer)和输出层(outputlayer)。
本发明通过对历史气象数据和实时气象数据的大数据模拟分析，并通过bp神经网络算法可以给出今后一段时间准确的气象预报，以便用户能根据气象预报做好相应的预防措施，精度高，效果准确。
在阅读完下面将要描述的内容之后，本领域的技术人员应当明白，本文描述的各种特征可通过方法、数据处理系统或计算机程序产品来实现。因此，这些特征可部采用硬件的方式、全部采用软件的方式或者采用硬件和软件结合的方式来表现。此外，上述特征也可采用存储在一种或多种计算机可读存储介质上的计算机程序产品的形式来表现，该计算机可读存储介质中包含计算机可读程序代码段或者指令，其存储在存储介质中。可以使用任何使用的计算机可读存储介质，包括硬盘、cd-rom、光存储设备、磁存储设备和/或上述设备的组合。
以上所述仅为本发明的较佳实施例而已，本领域技术人员知悉，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等同替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。