本发明涉及短临气象预报,具体为基于大模型的人工智能短临气象预报系统。
背景技术:
1、短临预报就是短时临近天气预报,主要预报数小时内的天气在于对中小尺度天气系统,尤其是强对流天气系统的预报,但现有的短临气象预报系统,却有着一些不足之处,就比如:
2、申请号:cn202211010895.8的一种基于多源数据融合的应急短临预报方法及系统,该系统能够将预测区域之前符合短临预报有效时间内的多时次多通道卫星云图序列、多时次雷达回波图序列和相同时序下的基本气象预报因子输入所述训练好的多源数据融合网络,对区域未来若干时间段进行天气预测,但该系统却难以对复杂地形进行检测,从而可能会使得系统中的温度湿度气压等监测机构在检测某一地区时,出现偏差过大的情况,从而降低了短临预报系统在预测时的准确性;
3、所以我们提出了基于大模型的人工智能短临气象预报系统,以便于解决上述中提出的问题。
技术实现思路
1、本发明的目的在于提供基于大模型的人工智能短临气象预报系统,以解决上述背景技术提出的目前市场上大多数短临天气预报系统却难以对复杂地形进行检测,从而可能会使得系统中的温度湿度气压等监测机构在检测某一地区时,出现偏差过大的情况,从而降低了短临预报系统在预测时的准确性的问题。
2、为实现上述目的,本发明提供如下技术方案:基于大模型的人工智能短临气象预报系统,包括数据处理中心、与数据处理中心关联的实时监测单元和模型建立单元;数据处理中心与实时监测单元远程关联,且实时监测单元内部设有地表监测单元和卫星监测单元;
3、数据处理中心关联有数据接收单元,且数据接收单元内部设有审核单元,并且数据接收单元与实时监测单元远程关联。
4、通过模型建立单元的设置,能够使得模型建立系统将已有的地区和环境数据进行初步模型建立,从而使得数据处理中心在处理实时监测单元传输的数据时,能够通过初步模型内部的区域数据进行模拟,使得实时监测单元传输的数据作为预演数据在初步模型中预演,从而使得数据处理中心在计算短临天气数据时,能够更加的准确,增加了该系统在计算短临气象预报的准确性。
5、作为本发明的优选技术方案,数据处理中心内部设有算法加载模块、数据分析模块、数据填补模块、模型更新模块和数据输出模块,且算法加载模块能够加载预设的基本算法,并且数据填补模块和模型更新模块能够实时监测单元和模型建立单元所建立的初步模型和数据融合;
6、其中算法加载模块的基本算法公式为:
7、大气水平运动方程:
8、大气垂直运动方程:
9、式中:vh为水平风速;t为时间;为坐标系中的二维微分算子;p*为地表气压p8上界气压pt的差值;∫为科氏参数。
10、采用上述技术方案能够使数据处理中心在处理实时监测单元的测量数据和模型建立单元建立的初步模型时,能够更加的方便。
11、作为本发明的优选技术方案,地表监测单元包括温度监测单元、湿度监测单元、气压监测单元、风力监测单元、雨量监测单元,且温度监测单元、湿度监测单元和气压监测单元为环境感应结构,并且风力监测单元为扇叶监测机构,通过扇叶转速来判断所在地区的风力状况,所述雨量监测单元为雨水容腔机构,通过雨水落入容腔机构内部,从而使得重力感应机构来测算雨量;
12、卫星监测单元内部设有云层监测单元和光照监测单元。
13、采用上述技术方案能够使地表监测单元在检测指定区域的气温、湿度和风压等数据时,能够更加的准确,从而增加了该设备在采集气象环境数据时的准确性。
14、作为本发明的优选技术方案,数据处理中心通过以太网与数据接收单元远程管连接,且审核单元内部设有智能审核模块和人工审核模块,并且数据接收单元内部设有位置校准模块和生成信息模块;
15、所述数据处理中心关联有人工智能分析单元,且人工智能分析单元关联有大数据库检索单元。
16、采用上述技术方案能够使得数据接收单元在生成短临天气预报信息时,能够更加的方便。
17、作为本发明的优选技术方案,数据接收单元关联有实时天气参照单元,且实时天气参照单元与实时监测单元内部设置的地表监测单元和卫星监测单元进行远程关联。
18、采用上述技术方案能够使实时天气参照单元在接收指定区域的气象数据时,能够更加的稳定。
19、作为本发明的优选技术方案,数据接收单元在对指定地区进行位置确定是,可通过位置校准模块进行操作,通过信号塔将位置信息传输至位置校准模块中,使得数据接收单元确定位置。
20、采用上述技术方案能够使数据接收单元在确定指定单元的位置时,能够更加的方便,从而增加了该系统在计算短临气象预报的准确性。
21、作为本发明的优选技术方案,数据接收单元内部的审核单元发现建立完毕的数据模型发生错误时,可通过以太网将数据模型传输回数据处理中心进行模型重建。
22、采用上述技术方案能够使得数据接收单元在进行纠错工作时,能够更加的方便,从而增加了该系统在计算短临气象预报的准确性。
23、作为本发明的优选技术方案,数据处理中心关联有算法自建模块和算法补充模块,且数据处理中心关联有算法自建模块和算法补充模块能够与算法加载模块关联。
24、采用上述技术方案能够使得管理员在添加算法公式或其他算法程序时,能够通过算法自建模块和算法补充模块进行输入,从而增加了该系统的扩展性。
25、作为本发明的优选技术方案,算法补充模块能够与大数据库检索单元关联,通过大数据库检索单元补全不同地区的算法信息。
26、采用上述技术方案能够使算法补充模块在补充不同地区的算法程序时,能够通过大数据库检索单元搜索,从而增加了该设备在补充算法的扩展性。
27、与现有技术相比,本发明的有益效果是:通过模型建立单元的设置,能够使得模型建立系统将已有的地区和环境数据进行初步模型建立,从而使得数据处理中心在处理实时监测单元传输的数据时,能够通过初步模型内部的区域数据进行模拟,使得实时监测单元传输的数据作为预演数据在初步模型中预演,从而使得数据处理中心在计算短临天气数据时,能够更加的准确,增加了该系统在计算短临气象预报的准确性;
28、进一步的,通过在审核单元内部设置智能审核模块和人工审核模块两组审核单元,能够使得数据接收单元在进行纠错工作时,能够更加的方便,从而增加了该系统在计算短临气象预报的准确性;
29、更进一步的,通过算法自建模块和算法补充模块的设置,能够使得管理员在添加算法公式或其他算法程序时,能够通过算法自建模块和算法补充模块进行输入,从而增加了该系统的扩展性。
1.基于大模型的人工智能短临气象预报系统,包括数据处理中心(100)、与数据处理中心(100)关联的实时监测单元(200)和模型建立单元(300);其特征在于,所述数据处理中心(100)与实时监测单元(200)远程关联,且实时监测单元(200)内部设有地表监测单元(210)和卫星监测单元(220);
2.根据权利要求1所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述数据处理中心(100)内部设有算法加载模块(101)、数据分析模块(102)、数据填补模块(103)、模型更新模块(104)和数据输出模块(105),且算法加载模块(101)能够加载预设的基本算法,并且数据填补模块(103)和模型更新模块(104)能够实时监测单元(200)和模型建立单元(300)所建立的初步模型和数据融合;
3.根据权利要求2所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述地表监测单元(210)包括温度监测单元(211)、湿度监测单元(212)、气压监测单元(213)、风力监测单元(214)、雨量监测单元(215),且温度监测单元(211)、湿度监测单元(213)和气压监测单元(213)为环境感应结构,并且风力监测单元(214)为扇叶监测机构,通过扇叶转速来判断所在地区的风力状况,所述雨量监测单元(215)为雨水容腔机构,通过雨水落入容腔机构内部,从而使得重力感应机构来测算雨量;
4.根据权利要求2所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述数据处理中心(100)通过以太网与数据接收单元(400)远程管连接,且审核单元(410)内部设有智能审核模块(411)和人工审核模块(412),并且数据接收单元(400)内部设有位置校准模块(401)和生成信息模块(402);
5.根据权利要求4所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述数据接收单元(400)关联有实时天气参照单元(403),且实时天气参照单元(403)与实时监测单元(200)内部设置的地表监测单元(210)和卫星监测单元(220)进行远程关联。
6.根据权利要求5所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述数据接收单元(400)在对指定地区进行位置确定是,可通过位置校准模块(401)进行操作,通过信号塔将位置信息传输至位置校准模块(401)中,使得数据接收单元(400)确定位置。
7.根据权利要求6所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述数据接收单元(400)内部的审核单元(410)发现建立完毕的数据模型发生错误时,可通过以太网将数据模型传输回数据处理中心(100)进行模型重建。
8.根据权利要求1所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述数据处理中心(100)关联有算法自建模块(108)和算法补充模块(109),且数据处理中心(100)关联有算法自建模块(108)和算法补充模块(109)能够与算法加载模块(101)关联。
9.根据权利要求8所述的基于大模型的人工智能短临气象预报系统,其特征在于,所述算法补充模块(109)能够与大数据库检索单元(107)关联,通过大数据库检索单元(107)补全不同地区的算法信息。